ÎncepețiÎncepe gratuit

Fine-tuning CV: clasele modelului

În acest exercițiu, vei încărca modelul pre-antrenat și vei adapta ieșirea pentru a acomoda o nouă clasificare a tipurilor de mașini din setul de date Stanford Cars, în locul celor 1.000 de clase folosite la antrenarea originală pe ImageNet. Setul de date conține imagini etichetate cu mașini.

Setul de date a fost încărcat (dataset), la fel și AutoModelForImageClassification din transformers. Setul de date a fost filtrat astfel încât să includă trei tipuri de modele.

Acest exercițiu face parte din cursul

Modele Multi-Modale cu Hugging Face

Vezi cursul

Instrucțiuni pentru exercițiu

  • Obține noile nume de etichete din setul de date.
  • Adaugă noul mapping id2label la încărcarea modelului.
  • Adaugă mapping-ul corespunzător label2id.
  • Adaugă indicatorul necesar pentru a modifica numărul de clase.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Obtain the new label names from the dataset
labels = dataset["train"].features["____"].____

label2id, id2label = dict(), dict()
for i, label in enumerate(labels):
    label2id[label] = str(i)
    id2label[str(i)] = label

model = AutoModelForImageClassification.from_pretrained(
    "google/mobilenet_v2_1.0_224",
    num_labels=len(labels),
    # Add the id2label mapping
    id2label=____,
    # Add the corresponding label2id mapping
    label2id=____,
    # Add the required flag to change the number of classes
    ignore_mismatched_sizes=____
)
Editează și rulează codul