videomae-small-finetuned-kinetics-finetuned-xd-violence

该模型是 MCG-NJU/videomae-small-finetuned-kinetics 在一个未知数据集上的微调版本。它在评估集上取得了以下结果：

损失：0.3828
准确率：0.8254

视频预处理配置：调整大小为：(224, 224) 采样帧数：16 片段时长：2.1333333333333333秒

模型描述

需要更多信息

预期用途与局限性

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 5e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 8
optimizer: 使用 OptimizerNames.ADAMW_TORCH_FUSED，betas=(0.9, 0.999)，epsilon=1e-08，optimizer_args=无额外优化器参数
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

训练结果

训练损失	轮次	步数	验证损失	准确率
0.3574	1.0	394	0.5181	0.7738
0.4428	2.0	788	0.4357	0.8119
0.075	3.0	1182	0.4100	0.8183

测试结果

{'eval_loss': 0.3827999532222748,
 'eval_accuracy': 0.8253768844221105,
 'eval_runtime': 184.3164,
 'eval_samples_per_second': 4.319,
 'eval_steps_per_second': 2.159,
 'epoch': 3.0}

类别	精确率	召回率	F1分数	支持样本数
正常（0）	0.74	0.83	0.78	299
暴力（1）	0.89	0.82	0.85	497

准确率			0.83	796
宏平均	0.81	0.83	0.82	796
加权平均	0.83	0.83	0.83	796

框架版本

Transformers 4.57.1
Pytorch 2.8.0+cu126
Datasets 4.0.0
Tokenizers 0.22.1

videomae-small-finetuned-kinetics-finetuned-xd-violence

该模型是 MCG-NJU/videomae-small-finetuned-kinetics 在一个未知数据集上的微调版本。它在评估集上取得了以下结果：

损失：0.3828
准确率：0.8254

视频预处理配置：调整大小为：(224, 224) 采样帧数：16 片段时长：2.1333333333333333秒

模型描述

需要更多信息

预期用途与局限性

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 5e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 8
optimizer: 使用 OptimizerNames.ADAMW_TORCH_FUSED，betas=(0.9, 0.999)，epsilon=1e-08，optimizer_args=无额外优化器参数
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 3

训练结果

训练损失	轮次	步数	验证损失	准确率
0.3574	1.0	394	0.5181	0.7738
0.4428	2.0	788	0.4357	0.8119
0.075	3.0	1182	0.4100	0.8183

测试结果

{'eval_loss': 0.3827999532222748,
 'eval_accuracy': 0.8253768844221105,
 'eval_runtime': 184.3164,
 'eval_samples_per_second': 4.319,
 'eval_steps_per_second': 2.159,
 'epoch': 3.0}

类别	精确率	召回率	F1分数	支持样本数
正常（0）	0.74	0.83	0.78	299
暴力（1）	0.89	0.82	0.85	497

准确率			0.83	796
宏平均	0.81	0.83	0.82	796
加权平均	0.83	0.83	0.83	796

框架版本

Transformers 4.57.1
Pytorch 2.8.0+cu126
Datasets 4.0.0
Tokenizers 0.22.1