Creo que está mal llamar a lo que hicimos extracción de caracterÃsticas. En la literatura se conoce como extracción de caracterÃsticas, a los valores de la penultima capa de la red (Antes de entrar a la clasificación). Las aplicaciones de esto es para transformar imagenes (Que son datos no-estructurados) a datos estructurados ya aplicar modelos clásicos con ellos. Lo que hicimos aquà más bien lo llamarÃa pre-procesamiento y son transformaciones que le hacemos a la imagen para entrarlas al modelo.
Introducción al Hub de Hugging Face
Introducción al transfer learning
Machine learning abierto para todo el mundo
Las tasks en machine learning
Quiz: Introducción al Hub de Hugging Face
Primeros pasos con transfer learning y transformers
Tus primeros modelos pre-entrenados usando pipeline
Explorando los datasets
Introducción a los Transformers
Aplicando transfer learning
Quiz: Primeros pasos con transfer learning y transformers
Computer vision
Carga de dataset para computer vision
Procesamiento de dataset para computer vision
Configurando un Trainer para computer vision
Entrenamiento y evaluación de modelo de computer vision
Quiz: Computer vision
Procesamiento de lenguaje natural
Carga de dataset para NLP
Procesamiento de dataset para NLP
Configurando un Trainer para NLP
Entrenamiento y evaluación de modelo de NLP
Quiz: Procesamiento de lenguaje natural
Comparte en el Hub
El Hub como tu curriculum para machine learning
Compartir tu modelo en el Hub de Hugging Face
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Carga de dataset para computer vision
8/17Recursos
Aportes 9
Preguntas 8
Ordenar por:
repo_id = 'google/vit-base-patch16-224-in21k'
Actualmente el ViTFeatureExtractor esta deprecado, sugiere usar ViTImageProcessor
Siguiendo el ejemplo de la clase me aparecio la siguiente advertencia
FutureWarning: The class ViTFeatureExtractor is deprecated and will be removed in version 5 of Transformers. Please use ViTImageProcessor instead.f
Entonces el bloque a ejecutar es el siguiente en este paso
from transformers import ViTImageProcessor
repo_id = 'google/vit-base-patch16-224-in21k'
feature_extractor = ViTImageProcessor.from_pretrained(repo_id)
Con eso podemos seguir con el resto del tutorial
para poder hacer entrenamiento de nuestro modelo requerimos: un modelos, argumentos de entrenamiento, una función colab, datos de entrenamiento, datos de la función, datos de validación, función de features
**Feature Extractor** va a quedar obsoleto pronto. Se recomienda usar **ImageProcessor** para este ejemplo:
<https://huggingface.co/docs/transformers/model_doc/vit>
Gracia
Para más información:
Documentacion VITImageProcessor
En estos momentos, al momento de usar:
labels = ds['train'].features['labels']
Genera el siguiente error: KeyError: ‘labels’
Por lo que solo basta con escribir:
labels = ds['train'].features['label']
labels
Para obtener el mismo output de la clase
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?