• 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

Versões das Frameworks

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1