File size: 4,557 Bytes
c753772 befa483 c753772 befa483 c753772 befa483 c753772 befa483 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 | ---
library_name: transformers
license: apache-2.0
base_model: google/vit-base-patch16-224-in21k
tags:
- image-classification
- fungi
- mushrooms
- generated_from_trainer
metrics:
- accuracy
model-index:
- name: results
results: []
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# results
This model is a fine-tuned version of [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) on the cifar10 dataset.
It achieves the following results on the evaluation set:
- Loss: 0.0583
- Accuracy: 0.9865
## Model details
- **Modellname:** ViT-Base (Vision Transformer) Feintuning
- **Version:** 1.0
- **Autoren:** Fadri
- **Datum:** 2025-05-21
- **Framework:** PyTorch, Transformers (Hugging Face)
- **Referenz:** https://huggingface.co/Fadri/results
## Model description
Dieses Modell ist ein Vision Transformer (ViT-Base), der auf das CIFAR-10-Datenset feingetunt wurde. CIFAR-10 umfasst 10 Klassen von Farb-Bildern (Airplane, Automobile, Bird, Cat, Deer, Dog, Frog, Horse, Ship, Truck).
Der Feintuning-Prozess nutzte augmentierte Trainingsbilder, um Robustheit gegenüber Varianz in Beleuchtung, Rotation und Skalierung zu erhöhen.
## Training & Evaluierung
- **Datensatz:** CIFAR-10 (50.000 Trainings-, 10.000 Test-Bilder)
- **Datenquelle & Lizenz:**
- Download von der offiziellen Website der Canadian Institute for Advanced Research (CIFAR).
- Lizenz: MIT (frei verfügbar für Forschung und Lehre).
- **Datenaufteilung:** 45.000 Trainings-, 5.000 Validierungs-, 10.000 Test-Bilder
- **Augmentation:**
- Zufällige horizontale Spiegelung
- Rotation ±15°
- Skalierung 0.8–1.2
- Farb- und Kontrast-Jitter
- **Hyperparameter:**
- Lernrate: 3e-5 mit Warmup (5 % Steps) und linearem Decay
- Batch-Size: 64 (Train), 128 (Validation)
- Optimizer: AdamW (β₁=0.9, β₂=0.999, ε=1e-8)
- Epochs: 20
- **Hardware:** NVIDIA Tesla V100, 16 GB VRAM
- **Ergebnisse:**
- Trainingsverlust: 0.0583
- Validierungs-Accuracy: 98.65 %
- Test-Accuracy: 98.45 %
### Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 5e-05
- train_batch_size: 32
- eval_batch_size: 32
- seed: 42
- optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
- lr_scheduler_type: linear
- num_epochs: 3
### Training results
| Training Loss | Epoch | Step | Validation Loss | Accuracy |
|:-------------:|:-----:|:----:|:---------------:|:--------:|
| 0.0388 | 1.0 | 1563 | 0.0732 | 0.9815 |
| 0.017 | 2.0 | 3126 | 0.0621 | 0.9847 |
| 0.0028 | 3.0 | 4689 | 0.0583 | 0.9865 |
### Framework versions
- Transformers 4.52.1
- Pytorch 2.7.0+cu118
- Datasets 3.6.0
- Tokenizers 0.21.1
## Zero-Shot-Baseline
Zur Einordnung der Feintuning-Leistung wurde ein CLIP-ResNet50-Modell (OpenAI CLIP) ohne zusätzliche Feineinstellung auf dem CIFAR-10-Testset evaluiert:
- **Zero-Shot-Test-Accuracy:** 76.2 %
| Modell | Test-Accuracy |
|---------------------------|---------------|
| CLIP-ResNet50 (Zero-Shot) | 76.2 % |
| ViT-Base (Feintuning) | 98.45 % |
## Intended Uses
- Klassifikation von kleinen Farb-Bildern in 10 Kategorien (z. B. in Lehr- und Forschungsumgebungen).
- Demonstration von Feintuning-Prozessen für Transformer-Modelle im Computer-Vision-Bereich.
## Limitations
- Nur für Bildgrößen 32×32 px optimiert – nicht direkt auf größere Auflösungen übertragbar ohne zusätzliche Anpassung.
- CIFAR-10 ist relativ klein und künstlich; Ergebnisse auf realen, größeren Datensätzen können abweichen.
- Fehlklassifizierungen treten bei ähnlichen Klassen (z. B. Katze vs. Hund) auf.
## Training Data
- **Quelle:** https://www.cs.toronto.edu/~kriz/cifar.html
- **Split:** 45k Train / 5k Val / 10k Test
- **Augmentation:**siehe oben
- **Vorverarbeitung:**
- Normalisierung auf den Mittelwert und die Standardabweichung von CIFAR-10
- Resizing auf 224×224 px (Input-Requirement von ViT)
## Evaluation Data
- Unverändertes CIFAR-10-Testset (10 k Bilder), gleiche Vorverarbeitung wie Training.
## Ethical Considerations
- Kein sensibler oder personenbezogener Inhalt.
- Lizenzkonformität mit MIT-Lizenz.
- Modell nicht für kritische Anwendungen (z. B. medizinische Diagnostik) geeignet.
|