detr-r101-cd45rb-4ah-4l-256d

Este modelo puede ser usado para detección de objetos. A continuación, se muestran los hiperparámetros utilizados durante el entrenamiento:

learning_rate: 1e-05
train_batch_size: 4
eval_batch_size: 8
seed: 42
optimizer: Adam con betas=(0.9,0.999) y epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10
mixed_precision_training: Native AMP

Resultados de la pérdida durante el entrenamiento:

Epoch 1: 3.7019 (validation loss: 2.7624)
Epoch 2: 3.242 (validation loss: 2.4796)
Epoch 3: 3.0192 (validation loss: 2.2813)
Epoch 4: 2.863 (validation loss: 2.1890)
Epoch 5: 2.7702 (validation loss: 2.1246)
Epoch 6: 2.7018 (validation loss: 2.1121)
Epoch 7: 2.6499 (validation loss: 2.0616)
Epoch 8: 2.6082 (validation loss: 2.0321)
Epoch 9: 2.5774 (validation loss: 2.0095)
Epoch 10: 2.5589 (validation loss: 1.9995)

Versiones del marco:

Transformers 4.28.0
Pytorch 2.0.1
Datasets 2.12.0
Tokenizers 0.13.3