license: apache-2.0
base_model: google/vit-base-patch16-224
tags:
- generated_from_trainer
metrics:
- accuracy
model-index:
- name: giecom-vit-model-clasification-waste
results:
- task:
name: Image Classification
type: image-classification
dataset:
name: imagefolder
type: imagefolder
config: default
split: train
args: default
metrics:
- name: Accuracy
type: accuracy
value: 0.9974251689732861
datasets:
- viola77data/recycling-dataset
giecom-vit-model-clasification-waste
This model is a fine-tuned version of google/vit-base-patch16-224 on the imagefolder dataset. It achieves the following results on the evaluation set:
- Loss: 0.0066
- Accuracy: 0.9974
Model description
El modelo giecom-vit-model-clasification-waste es una versión ajustada (finetuned) del modelo google/vit-base-patch16-224 utilizando el conjunto de datos viola77data/recycling-dataset. Este modelo está diseñado específicamente para la clasificación de imágenes de residuos reciclables, utilizando la arquitectura de Transformers. Ha demostrado ser altamente eficaz, alcanzando una precisión del 99.74% y una pérdida de 0.0066 en el conjunto de evaluación.
Intended uses & limitations
El modelo ha sido entrenado específicamente para imágenes de residuos, por lo que su eficacia podría reducirse al utilizarlo en contextos o conjuntos de datos diferentes.
Training and evaluation data
El modelo ha sido entrenado con hiperparámetros específicos, incluyendo una tasa de aprendizaje de 0.0002 y un tamaño de lote de 8, utilizando el optimizador Adam. Se entrenó durante 4 épocas, mostrando una mejora constante en la precisión y una reducción de la pérdida en el conjunto de validación.
Training procedure
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 0.0002
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 4
Training results
| Training Loss | Epoch | Step | Validation Loss | Accuracy |
|---|---|---|---|---|
| 0.7872 | 1.29 | 500 | 0.3043 | 0.9047 |
| 0.2279 | 2.57 | 1000 | 0.0463 | 0.9871 |
| 0.0406 | 3.86 | 1500 | 0.0066 | 0.9974 |
Framework versions
- Transformers 4.35.0
- Pytorch 2.1.0+cu118
- Datasets 2.14.6
- Tokenizers 0.14.1