videomae-large-finetuned-kinetics-finetuned-videomae-large-kitchen

steveice
Clasificación de video

Este modelo es una versión afinada de MCG-NJU/videomae-large-finetuned-kinetics en un conjunto de datos desconocido. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 0.6309, Precisión: 0.8900

Como usar

Procedimiento de entrenamiento

Los siguientes hiperparámetros se utilizaron durante el entrenamiento:

  • tasa de aprendizaje: 5e-05
  • tamaño de lote de entrenamiento: 2
  • tamaño de lote de evaluación: 2
  • semilla: 42
  • optimizador: Adam con betas=(0.9,0.999) y epsilon=1e-08
  • tipo de programador de tasa de aprendizaje: lineal
  • relación de calentamiento del programador de tasa de aprendizaje: 0.1
  • pasos de entrenamiento: 11100

Resultados de entrenamiento

Pérdida de Entrenamiento
Época
Paso
Pérdida de Validación
Precisión

3.5158
0.02
222
3.6067
0.0588

2.8571
1.02
444
3.1445
0.3014

1.8854
2.02
666
2.3644
0.4607

1.5533
3.02
888
1.7967
0.5621

1.3935
4.02
1110
1.3755
0.6502

1.1722
5.02
1332
1.2232
0.7109

0.2896
6.02
1554
1.2859
0.6256

0.3166
7.02
1776
1.2910
0.6720

0.6902
8.02
1998
1.2702
0.6995

0.4193
9.02
2220
1.2087
0.7137

0.1889
10.02
2442
1.0500
0.7611

0.4502
11.02
2664
1.1647
0.7118

0.7703
12.02
2886
1.1037
0.7242

0.0957
13.02
3108
1.0967
0.7706

0.3202
14.02
3330
1.0479
0.7545

0.3634
15.02
3552
1.0714
0.8057

0.3883
16.02
3774
1.2323
0.7498

0.0322
17.02
3996
1.0504
0.7848

0.5108
18.02
4218
1.1356
0.7915

0.309
19.02
4440
1.1409
0.7592

0.56
20.02
4662
1.0828
0.7915

0.3675
21.02
4884
0.9154
0.8123

0.0076
22.02
5106
1.0974
0.8133

0.0451
23.02
5328
1.0361
0.8152

0.2558
24.02
5550
0.7830
0.8237

0.0125
25.02
5772
0.8728
0.8171

0.4184
26.02
5994
0.8413
0.8265

0.2566
27.02
6216
1.0644
0.8009

0.1257
28.02
6438
0.8641
0.8265

0.1326
29.02
6660
0.8444
0.8417

0.0436
30.02
6882
0.8615
0.8322

0.0408
31.02
7104
0.8075
0.8332

0.0316
32.02
7326
0.8699
0.8341

0.2235
33.02
7548
0.8151
0.8455

0.0079
34.02
7770
0.8099
0.8550

0.001
35.02
7992
0.8640
0.8370

0.0007
36.02
8214
0.7146
0.8483

0.464
37.02
8436
0.7917
0.8464

0.0005
38.02
8658
0.7239
0.8531

0.0004
39.02
8880
0.7702
0.8701

0.1705
40.02
9102
0.7543
0.8521

0.0039
41.02
9324
0.7456
0.8673

0.0168
42.02
9546
0.7255
0.8730

0.2615
43.02
9768
0.7453
0.8758

0.0004
44.02
9990
0.6824
0.8806

0.236
45.02
10212
0.6624
0.8825

0.0007
46.02
10434
0.6727
0.8815

0.0004
47.02
10656
0.6478
0.8863

0.268
48.02
10878
0.6309
0.8900

0.0025
49.02
11100
0.6284
0.8900

Funcionalidades

Clasificación de video
Transformadores
PyTorch
Generado a partir de Trainer
Pérdida de entrenamiento disponible
Precisión de entrenamiento disponible

Casos de uso

Clasificación de videos en entornos de cocina
Análisis de contenido de video
Aplicaciones de vigilancia y monitoreo