训练你自己的计算机视觉模型

Rakhirandiseo

在 Gradio 演示的最后一个标签页中，您可以将图像数据集导出为 Label Studio 可以加载的格式。Label Studio 是一款开源工具，用于标注数据，为机器学习任务做准备。在 Label Studio 中，我们可以定义要应用于数据集的标签。例如，我们可能想要从数据集中提取特定类型的图像。我们可以使用 Label Studio 创建带有这些标签的标注版本。这需要我们为数据集中的图像分配正确的标签。虽然这个过程可能需要一些时间，但它是进一步探索数据集并确保标签合理性的有效方法。

有了标注好的数据集

我们需要一种方法来训练模型为此，我们可以使用AutoTrain 。这个工具无需编写任 ws 电话列表 何代码即可训练机器学习模型。使用这种方法可以创建一个基于我们数据集并包含我们感兴趣的标签的模型。本文篇幅有限，无法涵盖 AutoTrain 的所有功能，但可以对其工作原理进行简要概述。



后续步骤

如引言所述，您可以自行探索ARCH 图像数据集浏览器演示。如果您了解一些 Python 知识，还可以复制该空间，并调整或更改其当前支持的功能，以便更好地探索数据集。

互联网档案馆和Hugging Face计划于今年晚些时候举办一场实践性极强的黑客马拉松，重点在于利用Hugging Face生态系统中的开源机器学习工具来处理网络档案。活动内容包括构建网络档案数据集的接口、协作标注以及训练机器学习模型。如果您有兴趣参加，请填写此表格告知我们。



在我们的应用场景中

我们需要一个模型，它能够将输入文本（例如“一张狗的图片”）嵌入到模型中，并将其与数据集中所有图像的嵌入向量进行比较，从而找出最匹配的图像。我们使用Hugging Face Hub 上托管的CLIP模型的一个变体： clip-ViT-B-16。该模型可以将文本和图像都转换为嵌入向量，并返回与文本提示最匹配的图像。