ПочатиПочніть безкоштовно

Тонке налаштування CV: класи моделі

У цій вправі ви завантажите попередньо натреновану модель і адаптуєте вихід, щоб підтримати нову класифікацію типів моделей автомобілів із набору даних Stanford Cars замість 1000 класів, використаних для оригінального тренування на ImageNet. Набір даних містить зображення автомобілів із мітками.

Набір даних уже завантажено (dataset), як і AutoModelForImageClassification з transformers. Набір даних відфільтровано так, щоб було включено три типи моделей.

Ця вправа є частиною курсу

Багатомодальні моделі з Hugging Face

Переглянути курс

Інструкції до вправи

  • Отримайте нові назви міток з набору даних.
  • Додайте нове відображення id2label під час завантаження моделі.
  • Додайте відповідне відображення label2id.
  • Додайте потрібний прапорець, щоб змінити кількість класів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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=____
)
Редагувати та запускати код