- Perda (Loss): 0.7695
- Precisão (Accuracy): 0.7275
Descrição do Modelo
Este modelo foi criado importando um conjunto de dados de fotos de câncer de pele no Google Colab a partir do Kaggle aqui. Em seguida, foi utilizado um tutorial de classificação de imagens aqui para treinar o modelo. Você pode acessar o notebook do treinamento aqui.
As possíveis doenças classificadas por este modelo são: 'Actinic-keratoses', 'Basal-cell-carcinoma', 'Benign-keratosis-like-lesions', 'Dermatofibroma', 'Melanocytic-nevi', 'Melanoma', 'Vascular-lesions'.
Usos Previstos e Limitações
Mais informações são necessárias para entender completamente os usos previstos e as limitações específicas deste modelo.
Dados de Treinamento e Avaliação
Mais informações são necessárias para entender os detalhes dos conjuntos de dados utilizados no treinamento e avaliação deste modelo.
Procedimento de Treinamento
Hiperparâmetros de Treinamento
Durante o treinamento, os seguintes hiperparâmetros foram utilizados:
- Taxa de Aprendizado (learning_rate): 5e-05
- Tamanho do Lote de Treinamento (train_batch_size): 32
- Tamanho do Lote de Avaliação (eval_batch_size): 32
- Semente (seed): 42
- Acumulação de Gradientes (gradient_accumulation_steps): 4
- Tamanho Total do Lote de Treinamento (total_train_batch_size): 128
- Otimizador: Adam com betas=(0.9, 0.999) e epsilon=1e-08
- Tipo de Programador de Taxa de Aprendizado (lr_scheduler_type): Linear
- Proporção de Aquecimento do Programador de Taxa de Aprendizado (lr_scheduler_warmup_ratio): 0.1
- Número de Épocas (num_epochs): 1
Resultados do Treinamento
| Perda de Treinamento | Época | Passo | Perda de Validação | Precisão |
|---|---|---|---|---|
| 0.6911 | 0.99 | 70 | 0.7695 | 0.7275 |
Versões das Frameworks
- Transformers 4.20.1
- Pytorch 1.11.0+cu113
- Datasets 2.3.2
- Tokenizers 0.12.1
- Downloads last month
- 41