videomae-base-finetuned-ucf101-subset
ismailajbbr
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: 1.9424, Exactitud: 0.5333.
Como usar
Hipótesis de entrenamiento
Los siguientes hiperparámetros se utilizaron durante el entrenamiento:
- learning_rate: 5e-05
- train_batch_size: 3
- eval_batch_size: 3
- 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: 800
Resultados de entrenamiento
| Pérdida de entrenamiento | Epoca | Paso | Pérdida de validación | Exactitud |
|--------------------------|-------|------|-----------------------|-----------|
| 0.5319 | 0.1 | 80 | 0.9986 | 0.5 |
| 0.5747 | 1.1 | 160 | 1.1108 | 0.5167 |
| 0.4534 | 2.1 | 240 | 1.3027 | 0.4833 |
| 0.2058 | 3.1 | 320 | 2.2119 | 0.5 |
| 0.504 | 4.1 | 400 | 2.3382 | 0.5167 |
| 0.377 | 5.1 | 480 | 1.6407 | 0.65 |
| 0.8547 | 6.1 | 560 | 2.3820 | 0.5 |
| 0.4046 | 7.1 | 640 | 1.9771 | 0.5333 |
| 0.006 | 8.1 | 720 | 2.0629 | 0.55 |
| 0.0123 | 9.1 | 800 | 1.9424 | 0.5333 |
Versiones del framework
- Transformers 4.37.2
- Pytorch 2.1.2+cu121
- Datasets 2.16.1
- Tokenizers 0.15.1
Funcionalidades
- Clasificación de video
- Transformers
- TensorBoard
- Safetensors
- Generado a partir de Trainer
- Pérdida de evaluación: 1.9424
- Exactitud de evaluación: 0.5333
Casos de uso
- Clasificación de videos de actividades
- Despliegue en puntos de inferencia dedicados