Hugging Face AutoTrain 圖像分類
零配置模型訓練
AutoTrain 提供一個「無程式碼」環境，使用者只需選擇任務並上傳資料即可訓練模型。系統透過嘗試多種模型架構來尋找最佳表現者，從而消除手動配置的需求。根據 Hugging Face 的說法，這種自動化方法有可能產生比工程師手動訓練的模型更優秀的結果。
圖像分類功能
圖像分類模型旨在將圖像歸類為特定標籤。潛在的使用案例包括：
- 辨識簽名
- 區分鳥類物種
- 辨識植物疾病
只要擁有適當的資料集，使用者即可建立這些分類器。
訓練圖像分類器的工作流程
透過 AutoTrain 訓練自訂圖像分類器遵循以下結構化流程：
- 專案設定：使用者在 AutoTrain 首頁建立新專案，並選擇「圖像分類」作為任務。選擇「Automatic」模型選項可讓 AutoTrain 處理架構搜尋。
- 資料整合：資料可透過拖放方式從本機資料夾上傳，或直接從 Hugging Face Hub 上的圖像分類資料集取得。
- 資料集切分：使用者可以自行提供訓練與驗證資料集，或讓 AutoTrain 自動切分資料。
- 模型選擇：使用者指定要測試的模型候選數量。對於圖像少於 500 張且候選模型數量不超過 5 個的專案，訓練將免費提供。
- 評估與部署：AutoTrain 會監控訓練過程，並可能停止表現不佳的模型以節省資源。訓練完成後，最佳模型會上傳至 Hugging Face Hub，並可透過整合的推論小工具進行測試。