用于对狗品种进行分类的模型可能对我们帮助不大

Rakhirandiseo

这可以让我们对几件事有所了解：

模型的标签与我们的数据匹配程度如何？！
它为我们提供了一种快速检查模型在使用我们的数据时可能出现的错误的途径。

这促使我们思考哪些类别可能适合我们的图像

这是 Gradio 应用中图像分类选项卡的屏幕截图，其中显示了一个条形图，该条形图显示了计算机视觉模型为图像分配的最常预测的标签。
这是 Gradio 应用中图像分类选项卡的屏幕截图，其中显示了一个条形图，该条形图显示了计算机视觉模型为图像分配的最常预测的标签。

我们可能会找到一个已经能够很好地处理我们数据集的模型——如果没有，我们可能需要考虑训练一个模型。

训练你自己的计算机视觉模型

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 ws 电话列表 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。