videomae-base-finetuned-ucf101-subset
Anukul-02
Clasificación de video
Este modelo es una versión afinada de MCG-NJU/videomae-base en un conjunto de datos desconocido. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 1.1702 y Precisión: 0.7817.
Como usar
El siguiente hiperparámetros fueron utilizados durante el entrenamiento:
- learning_rate: 5e-05
- train_batch_size: 1
- eval_batch_size: 1
- seed: 42
- optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_ratio: 0.1
- training_steps: 1620
Resultados del entrenamiento:
| Epoch | Paso | Pérdida de Validación | Precisión |
|-------|------|-----------------------|-----------|
| 0.17 | 270 | 2.3796 | 0.4879 |
| 1.17 | 540 | 1.4838 | 0.6812 |
| 2.17 | 810 | 1.0878 | 0.7391 |
| 3.17 | 1080 | 1.3479 | 0.7295 |
| 4.17 | 1350 | 0.8615 | 0.8261 |
| 5.17 | 1620 | 0.6128 | 0.8551 |
Versiones de frameworks:
- Transformers 4.35.2
- Pytorch 2.1.0+cu118
- Datasets 2.15.0
- Tokenizers 0.15.0
Funcionalidades
- Clasificación de video
- Transformers
- TensorBoard
- Safetensors
- Generado a partir de Trainer
- Puntos finales de inferencia
Casos de uso
- Clasificación de videos en aplicaciones multimedia
- Análisis de contenido de video para marketing
- Monitoreo de seguridad a través de videos