File size: 14,733 Bytes
1dd0629 c9a51d0 1dd0629 c9a51d0 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 |
---
license: other
base_model: nvidia/mit-b0
tags:
- vision
- image-segmentation
- generated_from_trainer
model-index:
- name: copiapoasegmentation
results: []
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# copiapoasegmentation
This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the aghent/copiapoa-semantic-v2 dataset.
It achieves the following results on the evaluation set:
- Loss: 0.1039
- Mean Iou: 0.0
- Mean Accuracy: nan
- Overall Accuracy: nan
- Accuracy Copiapoa: nan
- Iou Copiapoa: 0.0
## Model description
More information needed
## Intended uses & limitations
More information needed
## Training and evaluation data
More information needed
## Training procedure
### Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 0.5
- train_batch_size: 4
- eval_batch_size: 4
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 1
### Training results
| Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Copiapoa | Iou Copiapoa |
|:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-----------------:|:------------:|
| 0.2444 | 0.01 | 20 | 5.0470 | 0.0 | nan | nan | nan | 0.0 |
| 0.3612 | 0.02 | 40 | 0.8679 | 0.0 | nan | nan | nan | 0.0 |
| 0.5271 | 0.03 | 60 | 0.8829 | 0.0 | nan | nan | nan | 0.0 |
| 0.0688 | 0.04 | 80 | 0.1301 | 0.0 | nan | nan | nan | 0.0 |
| 0.0651 | 0.05 | 100 | 0.1053 | 0.0 | nan | nan | nan | 0.0 |
| 0.1459 | 0.06 | 120 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.1192 | 0.07 | 140 | 0.1044 | 0.0 | nan | nan | nan | 0.0 |
| 0.1747 | 0.08 | 160 | 0.1068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0807 | 0.09 | 180 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.0701 | 0.1 | 200 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0909 | 0.11 | 220 | 0.1043 | 0.0 | nan | nan | nan | 0.0 |
| 0.0866 | 0.12 | 240 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1688 | 0.13 | 260 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0664 | 0.14 | 280 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1137 | 0.15 | 300 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1783 | 0.16 | 320 | 0.1044 | 0.0 | nan | nan | nan | 0.0 |
| 0.1267 | 0.17 | 340 | 0.1049 | 0.0 | nan | nan | nan | 0.0 |
| 0.0606 | 0.18 | 360 | 0.1086 | 0.0 | nan | nan | nan | 0.0 |
| 0.0847 | 0.19 | 380 | 0.1065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0734 | 0.2 | 400 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0302 | 0.21 | 420 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.0815 | 0.22 | 440 | 0.1062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0639 | 0.23 | 460 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1039 | 0.24 | 480 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.0703 | 0.25 | 500 | 0.1046 | 0.0 | nan | nan | nan | 0.0 |
| 0.1696 | 0.26 | 520 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1308 | 0.27 | 540 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0673 | 0.28 | 560 | 0.1070 | 0.0 | nan | nan | nan | 0.0 |
| 0.1913 | 0.29 | 580 | 0.1048 | 0.0 | nan | nan | nan | 0.0 |
| 0.0324 | 0.3 | 600 | 0.1043 | 0.0 | nan | nan | nan | 0.0 |
| 0.1178 | 0.31 | 620 | 0.1053 | 0.0 | nan | nan | nan | 0.0 |
| 0.0977 | 0.32 | 640 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.1711 | 0.33 | 660 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.1388 | 0.34 | 680 | 0.1059 | 0.0 | nan | nan | nan | 0.0 |
| 0.1434 | 0.35 | 700 | 0.1060 | 0.0 | nan | nan | nan | 0.0 |
| 0.0711 | 0.36 | 720 | 0.1075 | 0.0 | nan | nan | nan | 0.0 |
| 0.1017 | 0.37 | 740 | 0.1060 | 0.0 | nan | nan | nan | 0.0 |
| 0.2191 | 0.38 | 760 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0877 | 0.39 | 780 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.1571 | 0.4 | 800 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0726 | 0.41 | 820 | 0.1043 | 0.0 | nan | nan | nan | 0.0 |
| 0.1566 | 0.42 | 840 | 0.1046 | 0.0 | nan | nan | nan | 0.0 |
| 0.1165 | 0.43 | 860 | 0.1069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0921 | 0.44 | 880 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1851 | 0.45 | 900 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0553 | 0.46 | 920 | 0.1046 | 0.0 | nan | nan | nan | 0.0 |
| 0.2055 | 0.47 | 940 | 0.1056 | 0.0 | nan | nan | nan | 0.0 |
| 0.1784 | 0.48 | 960 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0817 | 0.49 | 980 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.0789 | 0.5 | 1000 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.1644 | 0.51 | 1020 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.3311 | 0.52 | 1040 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.1518 | 0.53 | 1060 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.0654 | 0.54 | 1080 | 0.1049 | 0.0 | nan | nan | nan | 0.0 |
| 0.1069 | 0.55 | 1100 | 0.1043 | 0.0 | nan | nan | nan | 0.0 |
| 0.0489 | 0.56 | 1120 | 0.1044 | 0.0 | nan | nan | nan | 0.0 |
| 0.126 | 0.57 | 1140 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.076 | 0.58 | 1160 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0609 | 0.59 | 1180 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0781 | 0.6 | 1200 | 0.1047 | 0.0 | nan | nan | nan | 0.0 |
| 0.0471 | 0.61 | 1220 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0806 | 0.62 | 1240 | 0.1048 | 0.0 | nan | nan | nan | 0.0 |
| 0.0519 | 0.63 | 1260 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0904 | 0.64 | 1280 | 0.1051 | 0.0 | nan | nan | nan | 0.0 |
| 0.0963 | 0.65 | 1300 | 0.1051 | 0.0 | nan | nan | nan | 0.0 |
| 0.1206 | 0.66 | 1320 | 0.1053 | 0.0 | nan | nan | nan | 0.0 |
| 0.1104 | 0.67 | 1340 | 0.1045 | 0.0 | nan | nan | nan | 0.0 |
| 0.062 | 0.68 | 1360 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.0895 | 0.69 | 1380 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1593 | 0.7 | 1400 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.0922 | 0.71 | 1420 | 0.1044 | 0.0 | nan | nan | nan | 0.0 |
| 0.0676 | 0.72 | 1440 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0854 | 0.73 | 1460 | 0.1046 | 0.0 | nan | nan | nan | 0.0 |
| 0.0498 | 0.74 | 1480 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.0677 | 0.75 | 1500 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.1298 | 0.76 | 1520 | 0.1049 | 0.0 | nan | nan | nan | 0.0 |
| 0.1202 | 0.77 | 1540 | 0.1044 | 0.0 | nan | nan | nan | 0.0 |
| 0.0737 | 0.78 | 1560 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.0238 | 0.79 | 1580 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.106 | 0.8 | 1600 | 0.1042 | 0.0 | nan | nan | nan | 0.0 |
| 0.142 | 0.81 | 1620 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0753 | 0.82 | 1640 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.157 | 0.83 | 1660 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1181 | 0.84 | 1680 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0758 | 0.85 | 1700 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.0966 | 0.86 | 1720 | 0.1041 | 0.0 | nan | nan | nan | 0.0 |
| 0.1137 | 0.87 | 1740 | 0.1043 | 0.0 | nan | nan | nan | 0.0 |
| 0.0362 | 0.88 | 1760 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1495 | 0.89 | 1780 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0933 | 0.9 | 1800 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1285 | 0.91 | 1820 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0479 | 0.92 | 1840 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1065 | 0.93 | 1860 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.1133 | 0.94 | 1880 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.129 | 0.95 | 1900 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.2114 | 0.96 | 1920 | 0.1040 | 0.0 | nan | nan | nan | 0.0 |
| 0.0646 | 0.97 | 1940 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1375 | 0.98 | 1960 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.0402 | 0.99 | 1980 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
| 0.1113 | 1.0 | 2000 | 0.1039 | 0.0 | nan | nan | nan | 0.0 |
### Framework versions
- Transformers 4.35.2
- Pytorch 2.1.0
- Datasets 2.15.0
- Tokenizers 0.15.0
|