開始使用免費開始

自動化標題品質評估

你已經正確分類了這件洋裝的圖片，但原始描述到底寫得多好呢？

Maa Fab wrap with a Trendy design dress with Vibrant color for an elegant touch of Fabric completely Soft and Comfortable wear with amazing design of Solid Boat ? Neck Flared Dress to make a perfect addition to your wardrobe collection.

現在你要使用 CLIP 模型，透過 CLIP 分數來量化這段描述的準確度。已載入的物件包含：標題（description）、影像（image）、ToTensor 類別，以及來自 torchmetrics 的 clip_score() 函式。

本練習屬於課程

使用 Hugging Face 的多模態模型

檢視課程

練習說明

  • 將影像轉換成 PyTorch 張量，強度範圍為 0–255。
  • 使用 clip_score() 函式，以 openai/clip-vit-base-patch32 模型比較 image_tensor 與 description，評估標題的品質。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Convert the image to a PyTorch tensor
image_tensor = ____()(image)*____

# Use the clip_score function to assess the quality of the caption
score = ____(____, ____, "____")

print(f"CLIP score: {score}")
編輯並執行程式碼