---
library_name: sentence-transformers
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10200
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: bkai-foundation-models/vietnamese-bi-encoder
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
widget:
- source_sentence: 1.500.000 ( một triệu năm trăm_nghìn ) đồng / giấy_phép ( theo
quy_định tại khoản b điều 4 thông_tư số 143 / 2016 / tt - btc ngày 26 / 9 / 2016
của bộ tài_chính , có hiệu_lực thi_hành kể từ ngày 01 / 01 / 2017 ) .
sentences:
- 'phí lệ_phí của thủ_tục : thủ_tục cấp lại giấy_phép thành_lập văn_phòng đại_diện
của thương_nhân nước_ngoài tại việt_nam là bao_nhiêu ?'
- khi nào người giải_quyết tố_cáo tạm đình_chỉ việc giải_quyết tố_cáo ?
- người điều_khiển , người đi trên phương_tiện , phương_tiện xuất_cảnh , nhập_cảnh
qua cửa_khẩu biên_giới đất_liền phải thực_hiện thủ_tục biên_phòng điện_tử như
thế_nào ?
- source_sentence: "bước 1 : tổ_chức sử_dụng đất chuẩn_bị hồ_sơ theo quy_định của\
\ pháp_luật ; \n bước 2 : tổ_chức sử_dụng đất nộp hồ_sơ tại bộ_phận hành_chính\
\ công về tài_nguyên và môi_trường của ban quản_lý khu kinh_tế quảng_ninh tại\
\ trung_tâm phục_vụ hành_chính công tỉnh ; \n bước 3 : cán_bộ bộ_phận hành_chính\
\ công về tài_nguyên và môi_trường kiểm_tra hồ_sơ và trao giấy tiếp_nhận hồ_sơ\
\ cho nhà đầu_tư ; \n bước 4 : tổ_chức sử_dụng đất căn_cứ thời_gian ghi trên giấy\
\ tiếp_nhận hồ_sơ đến trung_tâm phục_vụ hành_chính công_nhận kết_quả ."
sentences:
- khiếu_nại quyết_định kỷ_luật cán_bộ , công_chức được thực_hiện trong trường_hợp
nào ?
- 'trình_tự thực_hiện của thủ_tục : thủ_tục miễn , giảm tiền thuê đất trong khu
kinh_tế ( trừ khu kinh_tế vân_đồn ) là gì ?'
- trường_hợp đã hết thời_hiệu yêu_cầu thi_hành án , đề_nghị khôi_phục thời_hiệu
thi_hành án cần những thủ_tục gì ?
- source_sentence: "theo quy_định tại nghị_định số 91 / 2017 / nđ - cp ngày 31 / 7\
\ / 2017 của chính_phủ quy_định chi_tiết thi_hành luật sửa_đổi , bổ_sung một_số\
\ điều của luật thi_đua , khen_thưởng năm 2013 : \n trong thời_hạn 20 ngày_ngày\
\ làm_việc ( 30 ngày làm_việc đối_với trường_hợp phải lấy ý_kiến hiệp y ) kể từ\
\ ngày nhận đủ hồ_sơ theo quy_định , trưởng ban ban thi_đua - khen_thưởng trung_ương\
\ trình thủ_tướng chính_phủ xem_xét , quyết_định ; \n sau khi nhận được quyết_định\
\ khen_thưởng của thủ_tướng chính_phủ , trong thời_hạn 10 ngày làm_việc , ban\
\ thi_đua - khen_thưởng trung_ương sao quyết_định và thông_báo kết_quả khen_thưởng\
\ cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng ; \n sau\
\ khi nhận được quyết_định khen_thưởng của cấp có thẩm_quyền , trong thời_hạn\
\ 10 ngày làm_việc , cơ_quan trình khen_thưởng thông_báo và gửi kết_quả khen_thưởng\
\ cho các trường_hợp được khen_thưởng ; \n đối_với các trường_hợp không đủ điều_kiện\
\ , tiêu_chuẩn , hồ_sơ theo quy_định , trong thời_hạn 10ngày làm_việc kể từ ngày\
\ nhận đủ hồ_sơ theo quy_định , ban thi_đua - khen_thưởng trung_ương thông_báo\
\ bằng văn_bản cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng\
\ ."
sentences:
- yêu_cầu về xác_nhận quá_trình thực_hành trong cấp chứng_chỉ hành_nghề khám chữa
bệnh là gì ?
- đề_nghị cho biết thời_hạn thực_hiện thủ_tục tặng_thưởng " cờ thi_đua của chính_phủ
" về thành_tích thi_đua theo đợt hoặc chuyên_đề
- vợ_chồng tôi năm nay được 38 tuổi , nghề_nghiệp là nông_dân . vợ_chồng tôi muốn
tham_gia bhxh tự_nguyện để khi về già có lương hưu . vậy vợ_chồng tôi có được
đóng bhxh không ?
- source_sentence: theo quy_định tại điểm c khoản 1 điều 211 luật doanh_nghiệp , trường_hợp_doanh_nghiệp
ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan đăng_ký kinh_doanh
và cơ_quan thuế thì doanh_nghiệp thuộc trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký
doanh_nghiệp . - trình_tự , thủ_tục thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
thực_hiện theo quy_định tại khoản 3 điều 63 nghị_định số 78 / 2015 / nđ - cp được
sửa_đổi , bổ_sung tại khoản 20 điều 1 nghị_định số 108 / 2018 / nđ - cp sửa_đổi
, bổ_sung một_số điều của nghị_định số 78 / 2015 / nđ - cp. theo đó , phòng đăng_ký
kinh_doanh thông_báo bằng văn_bản về hành_vi vi_phạm và yêu_cầu người đại_diện
theo pháp_luật của doanh_nghiệp đến trụ_sở của phòng để giải_trình . sau 10 ngày
làm_việc , kể từ ngày kết_thúc thời_hạn hẹn trong thông_báo mà người được yêu_cầu
không đến hoặc nội_dung giải_trình không được chấp_thuận thì phòng đăng_ký kinh_doanh
ra quyết_định thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp . - như_vậy , theo
quy_định nêu trên việc công_ty ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo
với cơ_quan đăng_ký kinh_doanh và cơ_quan thuế là vi_phạm_quy_định pháp_luật và
thuộc một trong các trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
.
sentences:
- thủ_tục và hồ_sơ xin phép chuyển_đổi mục_đích sử_dụng , di_dời , tháo_dỡ ?
- thời_gian đăng_ký hoạt_động của chi_nhánh của tổ_chức trọng_tài nước_ngoài tại
việt_nam được quy_định như thế_nào ?
- công_ty tnhh xyz ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan
đăng_ký kinh_doanh và cơ_quan thuế ? trong trường_hợp này , công_ty bị thu_hồi
giấy chứng_nhận đăng_ký doanh_nghiệp thì có đúng quy_định pháp_luật hiện_hành
không ?
- source_sentence: 'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh
để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ
hợp_lệ .'
sentences:
- tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa
học , có thời_hạn giải_quyết như thế_nào ?
- thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng
quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ
về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công
với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm
nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp
) , bao_gồm những giấy_tờ gì ?
- nhiệm_vụ thiết_kế bvtc gồm nội_dung gì ? đơn_vị lập và thẩm_quyền phê_duyệt nhiệm_vụ
thiết_kế bvtc ?
pipeline_tag: sentence-similarity
model-index:
- name: SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.5934744268077602
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7451499118165785
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7962962962962963
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8544973544973545
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5934744268077602
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24838330393885946
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15925925925925927
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08544973544973543
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5934744268077602
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7451499118165785
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7962962962962963
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8544973544973545
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7243881995851228
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6827108003695308
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6874089574923959
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.5925925925925926
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7407407407407407
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7927689594356261
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.855379188712522
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5925925925925926
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24691358024691357
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1585537918871252
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.0855379188712522
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5925925925925926
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7407407407407407
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7927689594356261
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.855379188712522
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7230149173482313
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6808543993729186
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6854813211154667
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0.5802469135802469
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.736331569664903
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7918871252204586
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8492063492063492
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5802469135802469
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2454438565549676
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1583774250440917
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08492063492063491
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5802469135802469
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.736331569664903
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7918871252204586
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8492063492063492
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7156793513582417
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6728087119621515
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6776075266351337
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 128
type: dim_128
metrics:
- type: cosine_accuracy@1
value: 0.5687830687830688
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7257495590828924
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7918871252204586
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8342151675485009
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5687830687830688
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24191651969429745
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1583774250440917
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08342151675485009
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5687830687830688
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7257495590828924
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7918871252204586
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8342151675485009
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7030429875811267
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6606729934772266
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.666147019181302
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 64
type: dim_64
metrics:
- type: cosine_accuracy@1
value: 0.5343915343915344
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7037037037037037
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.763668430335097
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8218694885361552
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5343915343915344
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2345679012345679
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1527336860670194
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08218694885361551
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5343915343915344
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7037037037037037
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.763668430335097
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8218694885361552
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6784646097308332
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6324717953024837
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6380241649531251
name: Cosine Map@100
---
# SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
## Model Details
### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder)
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- json
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("anhtuansh/vietnamese-bi-encoder-Financial-Matryoshka-2e-11k")
# Run inference
sentences = [
'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ hợp_lệ .',
'tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học , có thời_hạn giải_quyết như thế_nào ?',
'thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp ) , bao_gồm những giấy_tờ gì ?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
## Evaluation
### Metrics
#### Information Retrieval
* Datasets: `dim_768`, `dim_512`, `dim_256`, `dim_128` and `dim_64`
* Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | dim_768 | dim_512 | dim_256 | dim_128 | dim_64 |
|:--------------------|:-----------|:----------|:-----------|:----------|:-----------|
| cosine_accuracy@1 | 0.5935 | 0.5926 | 0.5802 | 0.5688 | 0.5344 |
| cosine_accuracy@3 | 0.7451 | 0.7407 | 0.7363 | 0.7257 | 0.7037 |
| cosine_accuracy@5 | 0.7963 | 0.7928 | 0.7919 | 0.7919 | 0.7637 |
| cosine_accuracy@10 | 0.8545 | 0.8554 | 0.8492 | 0.8342 | 0.8219 |
| cosine_precision@1 | 0.5935 | 0.5926 | 0.5802 | 0.5688 | 0.5344 |
| cosine_precision@3 | 0.2484 | 0.2469 | 0.2454 | 0.2419 | 0.2346 |
| cosine_precision@5 | 0.1593 | 0.1586 | 0.1584 | 0.1584 | 0.1527 |
| cosine_precision@10 | 0.0854 | 0.0855 | 0.0849 | 0.0834 | 0.0822 |
| cosine_recall@1 | 0.5935 | 0.5926 | 0.5802 | 0.5688 | 0.5344 |
| cosine_recall@3 | 0.7451 | 0.7407 | 0.7363 | 0.7257 | 0.7037 |
| cosine_recall@5 | 0.7963 | 0.7928 | 0.7919 | 0.7919 | 0.7637 |
| cosine_recall@10 | 0.8545 | 0.8554 | 0.8492 | 0.8342 | 0.8219 |
| **cosine_ndcg@10** | **0.7244** | **0.723** | **0.7157** | **0.703** | **0.6785** |
| cosine_mrr@10 | 0.6827 | 0.6809 | 0.6728 | 0.6607 | 0.6325 |
| cosine_map@100 | 0.6874 | 0.6855 | 0.6776 | 0.6661 | 0.638 |
## Training Details
### Training Dataset
#### json
* Dataset: json
* Size: 10,200 training samples
* Columns: positive and anchor
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | - min: 3 tokens
- mean: 126.9 tokens
- max: 256 tokens
| - min: 4 tokens
- mean: 27.04 tokens
- max: 213 tokens
|
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 1 . thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như sau : - bộ thông_tin và truyền_thông cấp giấy_phép cho cơ_quan , tổ_chức ở trung_ương ; cơ_quan , tổ_chức , cá_nhân nước_ngoài ; - ủy_ban nhân_dân cấp tỉnh cấp giấy_phép cho cơ_quan , tổ_chức , cá_nhân có trụ_sở hoặc cư_trú tại địa_phương ; chi_nhánh , văn_phòng đại_diện , đơn_vị trực_thuộc cơ_quan , tổ_chức ở trung_ương đặt tại địa_phương . 2 . hồ_sơ bao_gồm : - đơn đề_nghị cấp giấy_phép trong đó ghi rõ mục_đích , thời_gian , địa_điểm và tên các đơn_vị tham_gia triển_lãm , hội_chợ ; - danh_mục xuất_bản_phẩm để triển_lãm , hội_chợ theo mẫu quy_định . ( quy_định tại khoản 2 , 3 điều 44 luật xuất_bản ) | hồ_sơ và thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như thế_nào ? |
| - trường_hợp mất danh_mục và phiếu theo_dõi trừ lùi thì người khai hải_quan có hồ_sơ đề_nghị cơ_quan hải_quan nơi cấp danh_mục lần đầu_đề_nghị cấp lại , bao_gồm :
+ công_văn đề_nghị cấp lại danh_mục , phiếu theo_dõi trừ lùi trong đó nêu rõ : lý_do mất danh_mục , phiếu theo_dõi trừ lùi và cam_kết của người khai hải_quan về tính chính_xác của nội_dung khai_báo ;
+ bảng kê toàn_bộ tờ khai hải_quan ( điện_tử hoặc giấy ) của số_lượng hàng_hóa đã nhập_khẩu theo danh_mục ;
+ bản danh_mục và phiếu theo_dõi trừ lùi của cơ_quan hải_quan nơi làm thủ_tục nhập_khẩu lô hàng cuối_cùng trước khi thất_lạc ( 01 bản chụp có xác_nhận của cơ_quan hải_quan nơi nhập_khẩu ) .
- khi làm thủ_tục hải_quan , người khai hải_quan nộp , xuất_trình cho cơ_quan hải_quan nơi đăng_ký tờ khai hải_quan các hồ_sơ sau :
+ hồ_sơ hải_quan theo quy_định hiện_hành ;
+ danh_mục hàng_hóa và phiếu theo_dõi trừ lùi đã đăng_ký với cơ_quan hải_quan ( bản giao người khai hải_quan ) để cơ_quan hải_quan làm thủ_tục thực_hiện... | trường_hợp tôi làm mất danh_mục và phiếu theo_dõi trừ lùi hàng_hóa_nhập_khẩu dung_môi n - hexan dùng trong sản_xuất khô_dầu đậu_tương và dầu thực_vật , cám gạo trích ly và dầu cám thì cần làm những thủ_tục gì ? |
| thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá là : tổng_cục thủy_sản . | thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá ? |
* Loss: [MatryoshkaLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Evaluation Dataset
#### json
* Dataset: json
* Size: 1,134 evaluation samples
* Columns: positive and anchor
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | - min: 4 tokens
- mean: 127.89 tokens
- max: 256 tokens
| - min: 4 tokens
- mean: 26.48 tokens
- max: 256 tokens
|
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| việc thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất được tiến_hành như sau :
bước 1 . vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương tiếp_nhận đề_nghị khen_thưởng của các đơn_vị thực thuộc .
bước 2 . thẩm_định hồ_sơ , xin ý_kiến các cơ_quan liên_quan , báo_cáo hội_đồng thi_đua khen_thưởng cùng cấp , tổng_hợp trình bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố quyết_định khen_thưởng .
bước 3 . khi có quyết_định của bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố trực_thuộc trung_ương ; vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương thông_báo quyết_định , viết bằng , đóng_dấu và cấp_phát cho đơn_vị trình khen .
bước 4 . các trường_hợp không được khen_thưởng ( không đúng đối_tượng , không đủ tiêu_chuẩn , không đủ ... | đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất |
| bông_thủy_tinh chống cháy là vật_liệu chống cháy , thuộc danh_mục phương_tiện pccc quy_định phụ_lục v nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều của luật phòng cháy và chữa_cháy . do đó , nếu đưa vào sử_dụng trong hạng_mục pccc của công_trình thì phải kiểm_định về pccc. tuy_nhiên , đối_với vật_liệu bông thủy_tinh cách_nhiệt chống cháy được các cơ_quan , tổ_chức , cá_nhân cần xem_xét tùy vào yêu_cầu cụ_thể của công_trình để đăng_ký kiểm_định “ tính nguy_hiểm cháy ” đối_với vật_liệu đó hoặc “ giới_hạn chịu_lửa ” của kết_cấu sử_dụng vật_liệu đó . thành_phần hồ_sơ đề_nghị kiểm_định được quy_định tại điểm a khoản 4 điều 18 thông_tư 66 / 2014 / tt - bca ngày 16 / 12 / 2014 quy_định chi_tiết thi_hành một_số điều của nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều ... | bông_thủy_tinh cách_nhiệt chống cháy có phải kiểm_định không ? thành_phần hồ_sơ đề_nghị kiểm_định như thế_nào ? |
| thẻ thường_trú không có thời_hạn nhưng định_kỳ 10 năm một lần , người nước_ngoài thường_trú phải đến nộp hồ_sơ tại phòng quản_lý xuất , nhập_cảnh công_an tỉnh , thành_phố trực_thuộc trung_ương để đề_nghị cấp đổi thẻ thường_trú . | thẻ thường_trú có thời_hạn không ? |
* Loss: [MatryoshkaLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `gradient_accumulation_steps`: 2
- `learning_rate`: 2e-05
- `num_train_epochs`: 2
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `tf32`: False
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
Click to expand
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 2
- `eval_accumulation_steps`: None
- `learning_rate`: 2e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 2
- `max_steps`: -1
- `lr_scheduler_type`: cosine
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.1
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: False
- `fp16`: True
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: False
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: True
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
Click to expand
| Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 | dim_64_cosine_ndcg@10 |
|:-------:|:--------:|:-------------:|:---------------:|:----------------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|
| 0 | 0 | - | - | 0.6499 | 0.6425 | 0.6325 | 0.5932 | 0.5425 |
| 0.0039 | 10 | 0.0083 | - | - | - | - | - | - |
| 0.0078 | 20 | 0.2348 | - | - | - | - | - | - |
| 0.0118 | 30 | 0.1657 | - | - | - | - | - | - |
| 0.0157 | 40 | 0.0139 | - | - | - | - | - | - |
| 0.0196 | 50 | 0.06 | - | - | - | - | - | - |
| 0.0235 | 60 | 0.0337 | - | - | - | - | - | - |
| 0.0275 | 70 | 0.0654 | - | - | - | - | - | - |
| 0.0314 | 80 | 0.1434 | - | - | - | - | - | - |
| 0.0353 | 90 | 0.0024 | - | - | - | - | - | - |
| 0.0392 | 100 | 0.0733 | - | - | - | - | - | - |
| 0.0431 | 110 | 0.1078 | - | - | - | - | - | - |
| 0.0471 | 120 | 0.0473 | - | - | - | - | - | - |
| 0.0510 | 130 | 0.0076 | - | - | - | - | - | - |
| 0.0549 | 140 | 0.4059 | - | - | - | - | - | - |
| 0.0588 | 150 | 0.0012 | - | - | - | - | - | - |
| 0.0627 | 160 | 0.0375 | - | - | - | - | - | - |
| 0.0667 | 170 | 0.2206 | - | - | - | - | - | - |
| 0.0706 | 180 | 0.1105 | - | - | - | - | - | - |
| 0.0745 | 190 | 0.0218 | - | - | - | - | - | - |
| 0.0784 | 200 | 0.1043 | - | - | - | - | - | - |
| 0.0824 | 210 | 0.0689 | - | - | - | - | - | - |
| 0.0863 | 220 | 0.1484 | - | - | - | - | - | - |
| 0.0902 | 230 | 0.0039 | - | - | - | - | - | - |
| 0.0941 | 240 | 0.0077 | - | - | - | - | - | - |
| 0.0980 | 250 | 0.0022 | - | - | - | - | - | - |
| 0.1020 | 260 | 0.0673 | - | - | - | - | - | - |
| 0.1059 | 270 | 0.0164 | - | - | - | - | - | - |
| 0.1098 | 280 | 0.2012 | - | - | - | - | - | - |
| 0.1137 | 290 | 0.0072 | - | - | - | - | - | - |
| 0.1176 | 300 | 0.0235 | - | - | - | - | - | - |
| 0.1216 | 310 | 0.001 | - | - | - | - | - | - |
| 0.1255 | 320 | 0.1595 | - | - | - | - | - | - |
| 0.1294 | 330 | 0.0031 | - | - | - | - | - | - |
| 0.1333 | 340 | 0.0885 | - | - | - | - | - | - |
| 0.1373 | 350 | 0.0726 | - | - | - | - | - | - |
| 0.1412 | 360 | 0.001 | - | - | - | - | - | - |
| 0.1451 | 370 | 0.0092 | - | - | - | - | - | - |
| 0.1490 | 380 | 0.0041 | - | - | - | - | - | - |
| 0.1529 | 390 | 0.1576 | - | - | - | - | - | - |
| 0.1569 | 400 | 0.0066 | - | - | - | - | - | - |
| 0.1608 | 410 | 0.0361 | - | - | - | - | - | - |
| 0.1647 | 420 | 0.0104 | - | - | - | - | - | - |
| 0.1686 | 430 | 0.003 | - | - | - | - | - | - |
| 0.1725 | 440 | 0.0017 | - | - | - | - | - | - |
| 0.1765 | 450 | 0.0464 | - | - | - | - | - | - |
| 0.1804 | 460 | 0.1754 | - | - | - | - | - | - |
| 0.1843 | 470 | 0.0019 | - | - | - | - | - | - |
| 0.1882 | 480 | 0.2653 | - | - | - | - | - | - |
| 0.1922 | 490 | 0.0103 | - | - | - | - | - | - |
| 0.1961 | 500 | 0.0015 | - | - | - | - | - | - |
| 0.2 | 510 | 0.0995 | - | - | - | - | - | - |
| 0.2039 | 520 | 0.0004 | - | - | - | - | - | - |
| 0.2078 | 530 | 0.0022 | - | - | - | - | - | - |
| 0.2118 | 540 | 0.0006 | - | - | - | - | - | - |
| 0.2157 | 550 | 0.0015 | - | - | - | - | - | - |
| 0.2196 | 560 | 0.0052 | - | - | - | - | - | - |
| 0.2235 | 570 | 0.0613 | - | - | - | - | - | - |
| 0.2275 | 580 | 0.002 | - | - | - | - | - | - |
| 0.2314 | 590 | 0.0451 | - | - | - | - | - | - |
| 0.2353 | 600 | 0.0061 | - | - | - | - | - | - |
| 0.2392 | 610 | 0.0545 | - | - | - | - | - | - |
| 0.2431 | 620 | 0.0011 | - | - | - | - | - | - |
| 0.2471 | 630 | 0.0268 | - | - | - | - | - | - |
| 0.2510 | 640 | 0.1482 | - | - | - | - | - | - |
| 0.2549 | 650 | 0.0208 | - | - | - | - | - | - |
| 0.2588 | 660 | 0.003 | - | - | - | - | - | - |
| 0.2627 | 670 | 0.0009 | - | - | - | - | - | - |
| 0.2667 | 680 | 0.0016 | - | - | - | - | - | - |
| 0.2706 | 690 | 0.1218 | - | - | - | - | - | - |
| 0.2745 | 700 | 0.0029 | - | - | - | - | - | - |
| 0.2784 | 710 | 0.0392 | - | - | - | - | - | - |
| 0.2824 | 720 | 0.0018 | - | - | - | - | - | - |
| 0.2863 | 730 | 0.006 | - | - | - | - | - | - |
| 0.2902 | 740 | 0.0375 | - | - | - | - | - | - |
| 0.2941 | 750 | 0.0006 | - | - | - | - | - | - |
| 0.2980 | 760 | 0.0048 | - | - | - | - | - | - |
| 0.3020 | 770 | 0.0099 | - | - | - | - | - | - |
| 0.3059 | 780 | 0.0118 | - | - | - | - | - | - |
| 0.3098 | 790 | 0.0004 | - | - | - | - | - | - |
| 0.3137 | 800 | 0.0231 | - | - | - | - | - | - |
| 0.3176 | 810 | 0.0502 | - | - | - | - | - | - |
| 0.3216 | 820 | 0.0002 | - | - | - | - | - | - |
| 0.3255 | 830 | 0.0019 | - | - | - | - | - | - |
| 0.3294 | 840 | 0.0039 | - | - | - | - | - | - |
| 0.3333 | 850 | 0.0006 | - | - | - | - | - | - |
| 0.3373 | 860 | 0.0053 | - | - | - | - | - | - |
| 0.3412 | 870 | 0.0038 | - | - | - | - | - | - |
| 0.3451 | 880 | 0.1014 | - | - | - | - | - | - |
| 0.3490 | 890 | 0.0005 | - | - | - | - | - | - |
| 0.3529 | 900 | 0.012 | - | - | - | - | - | - |
| 0.3569 | 910 | 0.005 | - | - | - | - | - | - |
| 0.3608 | 920 | 0.0161 | - | - | - | - | - | - |
| 0.3647 | 930 | 0.0205 | - | - | - | - | - | - |
| 0.3686 | 940 | 0.0011 | - | - | - | - | - | - |
| 0.3725 | 950 | 0.0963 | - | - | - | - | - | - |
| 0.3765 | 960 | 0.0308 | - | - | - | - | - | - |
| 0.3804 | 970 | 0.0123 | - | - | - | - | - | - |
| 0.3843 | 980 | 0.0024 | - | - | - | - | - | - |
| 0.3882 | 990 | 0.0327 | - | - | - | - | - | - |
| 0.3922 | 1000 | 0.0067 | - | - | - | - | - | - |
| 0.3961 | 1010 | 0.0518 | - | - | - | - | - | - |
| 0.4 | 1020 | 0.0013 | - | - | - | - | - | - |
| 0.4039 | 1030 | 0.0007 | - | - | - | - | - | - |
| 0.4078 | 1040 | 0.0123 | - | - | - | - | - | - |
| 0.4118 | 1050 | 0.0115 | - | - | - | - | - | - |
| 0.4157 | 1060 | 0.0011 | - | - | - | - | - | - |
| 0.4196 | 1070 | 0.0146 | - | - | - | - | - | - |
| 0.4235 | 1080 | 0.0079 | - | - | - | - | - | - |
| 0.4275 | 1090 | 0.011 | - | - | - | - | - | - |
| 0.4314 | 1100 | 0.0071 | - | - | - | - | - | - |
| 0.4353 | 1110 | 0.0002 | - | - | - | - | - | - |
| 0.4392 | 1120 | 0.0031 | - | - | - | - | - | - |
| 0.4431 | 1130 | 0.0005 | - | - | - | - | - | - |
| 0.4471 | 1140 | 0.0026 | - | - | - | - | - | - |
| 0.4510 | 1150 | 0.0019 | - | - | - | - | - | - |
| 0.4549 | 1160 | 0.0004 | - | - | - | - | - | - |
| 0.4588 | 1170 | 0.1133 | - | - | - | - | - | - |
| 0.4627 | 1180 | 0.0452 | - | - | - | - | - | - |
| 0.4667 | 1190 | 0.0184 | - | - | - | - | - | - |
| 0.4706 | 1200 | 0.0015 | - | - | - | - | - | - |
| 0.4745 | 1210 | 0.0301 | - | - | - | - | - | - |
| 0.4784 | 1220 | 0.0888 | - | - | - | - | - | - |
| 0.4824 | 1230 | 0.0093 | - | - | - | - | - | - |
| 0.4863 | 1240 | 0.0023 | - | - | - | - | - | - |
| 0.4902 | 1250 | 0.0018 | - | - | - | - | - | - |
| 0.4941 | 1260 | 0.0275 | - | - | - | - | - | - |
| 0.4980 | 1270 | 0.0374 | - | - | - | - | - | - |
| 0.5020 | 1280 | 0.0024 | - | - | - | - | - | - |
| 0.5059 | 1290 | 0.0626 | - | - | - | - | - | - |
| 0.5098 | 1300 | 0.0072 | - | - | - | - | - | - |
| 0.5137 | 1310 | 0.0383 | - | - | - | - | - | - |
| 0.5176 | 1320 | 0.0008 | - | - | - | - | - | - |
| 0.5216 | 1330 | 0.0026 | - | - | - | - | - | - |
| 0.5255 | 1340 | 0.0069 | - | - | - | - | - | - |
| 0.5294 | 1350 | 0.0418 | - | - | - | - | - | - |
| 0.5333 | 1360 | 0.0007 | - | - | - | - | - | - |
| 0.5373 | 1370 | 0.001 | - | - | - | - | - | - |
| 0.5412 | 1380 | 0.0022 | - | - | - | - | - | - |
| 0.5451 | 1390 | 0.0408 | - | - | - | - | - | - |
| 0.5490 | 1400 | 0.0012 | - | - | - | - | - | - |
| 0.5529 | 1410 | 0.0345 | - | - | - | - | - | - |
| 0.5569 | 1420 | 0.0623 | - | - | - | - | - | - |
| 0.5608 | 1430 | 0.0043 | - | - | - | - | - | - |
| 0.5647 | 1440 | 0.0165 | - | - | - | - | - | - |
| 0.5686 | 1450 | 0.0003 | - | - | - | - | - | - |
| 0.5725 | 1460 | 0.0104 | - | - | - | - | - | - |
| 0.5765 | 1470 | 0.2153 | - | - | - | - | - | - |
| 0.5804 | 1480 | 0.015 | - | - | - | - | - | - |
| 0.5843 | 1490 | 0.0018 | - | - | - | - | - | - |
| 0.5882 | 1500 | 0.0 | - | - | - | - | - | - |
| 0.5922 | 1510 | 0.0024 | - | - | - | - | - | - |
| 0.5961 | 1520 | 0.0006 | - | - | - | - | - | - |
| 0.6 | 1530 | 0.0003 | - | - | - | - | - | - |
| 0.6039 | 1540 | 0.0193 | - | - | - | - | - | - |
| 0.6078 | 1550 | 0.052 | - | - | - | - | - | - |
| 0.6118 | 1560 | 0.0031 | - | - | - | - | - | - |
| 0.6157 | 1570 | 0.0763 | - | - | - | - | - | - |
| 0.6196 | 1580 | 0.0035 | - | - | - | - | - | - |
| 0.6235 | 1590 | 0.0022 | - | - | - | - | - | - |
| 0.6275 | 1600 | 0.0002 | - | - | - | - | - | - |
| 0.6314 | 1610 | 0.008 | - | - | - | - | - | - |
| 0.6353 | 1620 | 0.0166 | - | - | - | - | - | - |
| 0.6392 | 1630 | 0.034 | - | - | - | - | - | - |
| 0.6431 | 1640 | 0.029 | - | - | - | - | - | - |
| 0.6471 | 1650 | 0.0001 | - | - | - | - | - | - |
| 0.6510 | 1660 | 0.0013 | - | - | - | - | - | - |
| 0.6549 | 1670 | 0.0113 | - | - | - | - | - | - |
| 0.6588 | 1680 | 0.0014 | - | - | - | - | - | - |
| 0.6627 | 1690 | 0.0012 | - | - | - | - | - | - |
| 0.6667 | 1700 | 0.0016 | - | - | - | - | - | - |
| 0.6706 | 1710 | 0.0526 | - | - | - | - | - | - |
| 0.6745 | 1720 | 0.0054 | - | - | - | - | - | - |
| 0.6784 | 1730 | 0.0062 | - | - | - | - | - | - |
| 0.6824 | 1740 | 0.0825 | - | - | - | - | - | - |
| 0.6863 | 1750 | 0.0451 | - | - | - | - | - | - |
| 0.6902 | 1760 | 0.0608 | - | - | - | - | - | - |
| 0.6941 | 1770 | 0.0544 | - | - | - | - | - | - |
| 0.6980 | 1780 | 0.006 | - | - | - | - | - | - |
| 0.7020 | 1790 | 0.0315 | - | - | - | - | - | - |
| 0.7059 | 1800 | 0.0037 | - | - | - | - | - | - |
| 0.7098 | 1810 | 0.1368 | - | - | - | - | - | - |
| 0.7137 | 1820 | 0.0001 | - | - | - | - | - | - |
| 0.7176 | 1830 | 0.0047 | - | - | - | - | - | - |
| 0.7216 | 1840 | 0.1153 | - | - | - | - | - | - |
| 0.7255 | 1850 | 0.029 | - | - | - | - | - | - |
| 0.7294 | 1860 | 0.0005 | - | - | - | - | - | - |
| 0.7333 | 1870 | 0.0004 | - | - | - | - | - | - |
| 0.7373 | 1880 | 0.0181 | - | - | - | - | - | - |
| 0.7412 | 1890 | 0.1086 | - | - | - | - | - | - |
| 0.7451 | 1900 | 0.0001 | - | - | - | - | - | - |
| 0.7490 | 1910 | 0.0005 | - | - | - | - | - | - |
| 0.7529 | 1920 | 0.0021 | - | - | - | - | - | - |
| 0.7569 | 1930 | 0.0056 | - | - | - | - | - | - |
| 0.7608 | 1940 | 0.0022 | - | - | - | - | - | - |
| 0.7647 | 1950 | 0.0055 | - | - | - | - | - | - |
| 0.7686 | 1960 | 0.0003 | - | - | - | - | - | - |
| 0.7725 | 1970 | 0.0011 | - | - | - | - | - | - |
| 0.7765 | 1980 | 0.0551 | - | - | - | - | - | - |
| 0.7804 | 1990 | 0.0001 | - | - | - | - | - | - |
| 0.7843 | 2000 | 0.0004 | - | - | - | - | - | - |
| 0.7882 | 2010 | 0.1121 | - | - | - | - | - | - |
| 0.7922 | 2020 | 0.0067 | - | - | - | - | - | - |
| 0.7961 | 2030 | 0.0773 | - | - | - | - | - | - |
| 0.8 | 2040 | 0.0946 | - | - | - | - | - | - |
| 0.8039 | 2050 | 0.0 | - | - | - | - | - | - |
| 0.8078 | 2060 | 0.0195 | - | - | - | - | - | - |
| 0.8118 | 2070 | 0.0015 | - | - | - | - | - | - |
| 0.8157 | 2080 | 0.0062 | - | - | - | - | - | - |
| 0.8196 | 2090 | 0.1264 | - | - | - | - | - | - |
| 0.8235 | 2100 | 0.0177 | - | - | - | - | - | - |
| 0.8275 | 2110 | 0.0001 | - | - | - | - | - | - |
| 0.8314 | 2120 | 0.0126 | - | - | - | - | - | - |
| 0.8353 | 2130 | 0.0017 | - | - | - | - | - | - |
| 0.8392 | 2140 | 0.0581 | - | - | - | - | - | - |
| 0.8431 | 2150 | 0.0068 | - | - | - | - | - | - |
| 0.8471 | 2160 | 0.0002 | - | - | - | - | - | - |
| 0.8510 | 2170 | 0.0001 | - | - | - | - | - | - |
| 0.8549 | 2180 | 0.0061 | - | - | - | - | - | - |
| 0.8588 | 2190 | 0.0031 | - | - | - | - | - | - |
| 0.8627 | 2200 | 0.0055 | - | - | - | - | - | - |
| 0.8667 | 2210 | 0.0003 | - | - | - | - | - | - |
| 0.8706 | 2220 | 0.0004 | - | - | - | - | - | - |
| 0.8745 | 2230 | 0.0612 | - | - | - | - | - | - |
| 0.8784 | 2240 | 0.0007 | - | - | - | - | - | - |
| 0.8824 | 2250 | 0.0009 | - | - | - | - | - | - |
| 0.8863 | 2260 | 0.0003 | - | - | - | - | - | - |
| 0.8902 | 2270 | 0.0002 | - | - | - | - | - | - |
| 0.8941 | 2280 | 0.0001 | - | - | - | - | - | - |
| 0.8980 | 2290 | 0.0028 | - | - | - | - | - | - |
| 0.9020 | 2300 | 0.137 | - | - | - | - | - | - |
| 0.9059 | 2310 | 0.0013 | - | - | - | - | - | - |
| 0.9098 | 2320 | 0.001 | - | - | - | - | - | - |
| 0.9137 | 2330 | 0.0002 | - | - | - | - | - | - |
| 0.9176 | 2340 | 0.0004 | - | - | - | - | - | - |
| 0.9216 | 2350 | 0.2876 | - | - | - | - | - | - |
| 0.9255 | 2360 | 0.0072 | - | - | - | - | - | - |
| 0.9294 | 2370 | 0.0046 | - | - | - | - | - | - |
| 0.9333 | 2380 | 0.172 | - | - | - | - | - | - |
| 0.9373 | 2390 | 0.0276 | - | - | - | - | - | - |
| 0.9412 | 2400 | 0.0007 | - | - | - | - | - | - |
| 0.9451 | 2410 | 0.0001 | - | - | - | - | - | - |
| 0.9490 | 2420 | 0.0157 | - | - | - | - | - | - |
| 0.9529 | 2430 | 0.0002 | - | - | - | - | - | - |
| 0.9569 | 2440 | 0.0002 | - | - | - | - | - | - |
| 0.9608 | 2450 | 0.1954 | - | - | - | - | - | - |
| 0.9647 | 2460 | 0.1026 | - | - | - | - | - | - |
| 0.9686 | 2470 | 0.0002 | - | - | - | - | - | - |
| 0.9725 | 2480 | 0.0013 | - | - | - | - | - | - |
| 0.9765 | 2490 | 0.0005 | - | - | - | - | - | - |
| 0.9804 | 2500 | 0.2016 | - | - | - | - | - | - |
| 0.9843 | 2510 | 0.0101 | - | - | - | - | - | - |
| 0.9882 | 2520 | 0.0199 | - | - | - | - | - | - |
| 0.9922 | 2530 | 0.0051 | - | - | - | - | - | - |
| 0.9961 | 2540 | 0.3114 | - | - | - | - | - | - |
| 1.0 | 2550 | 0.0003 | 0.0190 | 0.7106 | 0.7036 | 0.6973 | 0.6827 | 0.6546 |
| 1.0039 | 2560 | 0.0001 | - | - | - | - | - | - |
| 1.0078 | 2570 | 0.0248 | - | - | - | - | - | - |
| 1.0118 | 2580 | 0.1835 | - | - | - | - | - | - |
| 1.0157 | 2590 | 0.0034 | - | - | - | - | - | - |
| 1.0196 | 2600 | 0.0007 | - | - | - | - | - | - |
| 1.0235 | 2610 | 0.0009 | - | - | - | - | - | - |
| 1.0275 | 2620 | 0.0007 | - | - | - | - | - | - |
| 1.0314 | 2630 | 0.097 | - | - | - | - | - | - |
| 1.0353 | 2640 | 0.0024 | - | - | - | - | - | - |
| 1.0392 | 2650 | 0.0046 | - | - | - | - | - | - |
| 1.0431 | 2660 | 0.0014 | - | - | - | - | - | - |
| 1.0471 | 2670 | 0.0461 | - | - | - | - | - | - |
| 1.0510 | 2680 | 0.0003 | - | - | - | - | - | - |
| 1.0549 | 2690 | 0.076 | - | - | - | - | - | - |
| 1.0588 | 2700 | 0.0005 | - | - | - | - | - | - |
| 1.0627 | 2710 | 0.0095 | - | - | - | - | - | - |
| 1.0667 | 2720 | 0.1329 | - | - | - | - | - | - |
| 1.0706 | 2730 | 0.0001 | - | - | - | - | - | - |
| 1.0745 | 2740 | 0.0002 | - | - | - | - | - | - |
| 1.0784 | 2750 | 0.0598 | - | - | - | - | - | - |
| 1.0824 | 2760 | 0.1275 | - | - | - | - | - | - |
| 1.0863 | 2770 | 0.0646 | - | - | - | - | - | - |
| 1.0902 | 2780 | 0.002 | - | - | - | - | - | - |
| 1.0941 | 2790 | 0.0004 | - | - | - | - | - | - |
| 1.0980 | 2800 | 0.0001 | - | - | - | - | - | - |
| 1.1020 | 2810 | 0.003 | - | - | - | - | - | - |
| 1.1059 | 2820 | 0.0025 | - | - | - | - | - | - |
| 1.1098 | 2830 | 0.0087 | - | - | - | - | - | - |
| 1.1137 | 2840 | 0.0001 | - | - | - | - | - | - |
| 1.1176 | 2850 | 0.0097 | - | - | - | - | - | - |
| 1.1216 | 2860 | 0.0004 | - | - | - | - | - | - |
| 1.1255 | 2870 | 0.0029 | - | - | - | - | - | - |
| 1.1294 | 2880 | 0.0004 | - | - | - | - | - | - |
| 1.1333 | 2890 | 0.0001 | - | - | - | - | - | - |
| 1.1373 | 2900 | 0.0002 | - | - | - | - | - | - |
| 1.1412 | 2910 | 0.0 | - | - | - | - | - | - |
| 1.1451 | 2920 | 0.0008 | - | - | - | - | - | - |
| 1.1490 | 2930 | 0.0001 | - | - | - | - | - | - |
| 1.1529 | 2940 | 0.0002 | - | - | - | - | - | - |
| 1.1569 | 2950 | 0.0 | - | - | - | - | - | - |
| 1.1608 | 2960 | 0.0 | - | - | - | - | - | - |
| 1.1647 | 2970 | 0.0001 | - | - | - | - | - | - |
| 1.1686 | 2980 | 0.0001 | - | - | - | - | - | - |
| 1.1725 | 2990 | 0.0006 | - | - | - | - | - | - |
| 1.1765 | 3000 | 0.0 | - | - | - | - | - | - |
| 1.1804 | 3010 | 0.0121 | - | - | - | - | - | - |
| 1.1843 | 3020 | 0.0 | - | - | - | - | - | - |
| 1.1882 | 3030 | 0.0003 | - | - | - | - | - | - |
| 1.1922 | 3040 | 0.0007 | - | - | - | - | - | - |
| 1.1961 | 3050 | 0.0 | - | - | - | - | - | - |
| 1.2 | 3060 | 0.0007 | - | - | - | - | - | - |
| 1.2039 | 3070 | 0.0006 | - | - | - | - | - | - |
| 1.2078 | 3080 | 0.0 | - | - | - | - | - | - |
| 1.2118 | 3090 | 0.0001 | - | - | - | - | - | - |
| 1.2157 | 3100 | 0.0 | - | - | - | - | - | - |
| 1.2196 | 3110 | 0.0 | - | - | - | - | - | - |
| 1.2235 | 3120 | 0.0001 | - | - | - | - | - | - |
| 1.2275 | 3130 | 0.0 | - | - | - | - | - | - |
| 1.2314 | 3140 | 0.0001 | - | - | - | - | - | - |
| 1.2353 | 3150 | 0.0017 | - | - | - | - | - | - |
| 1.2392 | 3160 | 0.0093 | - | - | - | - | - | - |
| 1.2431 | 3170 | 0.0 | - | - | - | - | - | - |
| 1.2471 | 3180 | 0.0001 | - | - | - | - | - | - |
| 1.2510 | 3190 | 0.0012 | - | - | - | - | - | - |
| 1.2549 | 3200 | 0.0 | - | - | - | - | - | - |
| 1.2588 | 3210 | 0.0 | - | - | - | - | - | - |
| 1.2627 | 3220 | 0.0002 | - | - | - | - | - | - |
| 1.2667 | 3230 | 0.0001 | - | - | - | - | - | - |
| 1.2706 | 3240 | 0.0001 | - | - | - | - | - | - |
| 1.2745 | 3250 | 0.0037 | - | - | - | - | - | - |
| 1.2784 | 3260 | 0.0003 | - | - | - | - | - | - |
| 1.2824 | 3270 | 0.0 | - | - | - | - | - | - |
| 1.2863 | 3280 | 0.0 | - | - | - | - | - | - |
| 1.2902 | 3290 | 0.0 | - | - | - | - | - | - |
| 1.2941 | 3300 | 0.0 | - | - | - | - | - | - |
| 1.2980 | 3310 | 0.0001 | - | - | - | - | - | - |
| 1.3020 | 3320 | 0.0008 | - | - | - | - | - | - |
| 1.3059 | 3330 | 0.0001 | - | - | - | - | - | - |
| 1.3098 | 3340 | 0.0 | - | - | - | - | - | - |
| 1.3137 | 3350 | 0.0002 | - | - | - | - | - | - |
| 1.3176 | 3360 | 0.0 | - | - | - | - | - | - |
| 1.3216 | 3370 | 0.0001 | - | - | - | - | - | - |
| 1.3255 | 3380 | 0.0001 | - | - | - | - | - | - |
| 1.3294 | 3390 | 0.0004 | - | - | - | - | - | - |
| 1.3333 | 3400 | 0.0 | - | - | - | - | - | - |
| 1.3373 | 3410 | 0.0008 | - | - | - | - | - | - |
| 1.3412 | 3420 | 0.0 | - | - | - | - | - | - |
| 1.3451 | 3430 | 0.0186 | - | - | - | - | - | - |
| 1.3490 | 3440 | 0.0 | - | - | - | - | - | - |
| 1.3529 | 3450 | 0.0 | - | - | - | - | - | - |
| 1.3569 | 3460 | 0.0001 | - | - | - | - | - | - |
| 1.3608 | 3470 | 0.0 | - | - | - | - | - | - |
| 1.3647 | 3480 | 0.0 | - | - | - | - | - | - |
| 1.3686 | 3490 | 0.0001 | - | - | - | - | - | - |
| 1.3725 | 3500 | 0.0001 | - | - | - | - | - | - |
| 1.3765 | 3510 | 0.0001 | - | - | - | - | - | - |
| 1.3804 | 3520 | 0.0017 | - | - | - | - | - | - |
| 1.3843 | 3530 | 0.0 | - | - | - | - | - | - |
| 1.3882 | 3540 | 0.0001 | - | - | - | - | - | - |
| 1.3922 | 3550 | 0.0001 | - | - | - | - | - | - |
| 1.3961 | 3560 | 0.0 | - | - | - | - | - | - |
| 1.4 | 3570 | 0.0001 | - | - | - | - | - | - |
| 1.4039 | 3580 | 0.0001 | - | - | - | - | - | - |
| 1.4078 | 3590 | 0.0034 | - | - | - | - | - | - |
| 1.4118 | 3600 | 0.0001 | - | - | - | - | - | - |
| 1.4157 | 3610 | 0.0002 | - | - | - | - | - | - |
| 1.4196 | 3620 | 0.0001 | - | - | - | - | - | - |
| 1.4235 | 3630 | 0.0001 | - | - | - | - | - | - |
| 1.4275 | 3640 | 0.0 | - | - | - | - | - | - |
| 1.4314 | 3650 | 0.0002 | - | - | - | - | - | - |
| 1.4353 | 3660 | 0.0006 | - | - | - | - | - | - |
| 1.4392 | 3670 | 0.0001 | - | - | - | - | - | - |
| 1.4431 | 3680 | 0.0001 | - | - | - | - | - | - |
| 1.4471 | 3690 | 0.0035 | - | - | - | - | - | - |
| 1.4510 | 3700 | 0.0001 | - | - | - | - | - | - |
| 1.4549 | 3710 | 0.0004 | - | - | - | - | - | - |
| 1.4588 | 3720 | 0.0001 | - | - | - | - | - | - |
| 1.4627 | 3730 | 0.0 | - | - | - | - | - | - |
| 1.4667 | 3740 | 0.0 | - | - | - | - | - | - |
| 1.4706 | 3750 | 0.0 | - | - | - | - | - | - |
| 1.4745 | 3760 | 0.0087 | - | - | - | - | - | - |
| 1.4784 | 3770 | 0.0 | - | - | - | - | - | - |
| 1.4824 | 3780 | 0.0001 | - | - | - | - | - | - |
| 1.4863 | 3790 | 0.0 | - | - | - | - | - | - |
| 1.4902 | 3800 | 0.0 | - | - | - | - | - | - |
| 1.4941 | 3810 | 0.0 | - | - | - | - | - | - |
| 1.4980 | 3820 | 0.0002 | - | - | - | - | - | - |
| 1.5020 | 3830 | 0.0 | - | - | - | - | - | - |
| 1.5059 | 3840 | 0.0 | - | - | - | - | - | - |
| 1.5098 | 3850 | 0.0 | - | - | - | - | - | - |
| 1.5137 | 3860 | 0.0 | - | - | - | - | - | - |
| 1.5176 | 3870 | 0.0001 | - | - | - | - | - | - |
| 1.5216 | 3880 | 0.0004 | - | - | - | - | - | - |
| 1.5255 | 3890 | 0.0 | - | - | - | - | - | - |
| 1.5294 | 3900 | 0.0002 | - | - | - | - | - | - |
| 1.5333 | 3910 | 0.0 | - | - | - | - | - | - |
| 1.5373 | 3920 | 0.0001 | - | - | - | - | - | - |
| 1.5412 | 3930 | 0.0001 | - | - | - | - | - | - |
| 1.5451 | 3940 | 0.0031 | - | - | - | - | - | - |
| 1.5490 | 3950 | 0.0 | - | - | - | - | - | - |
| 1.5529 | 3960 | 0.0004 | - | - | - | - | - | - |
| 1.5569 | 3970 | 0.0001 | - | - | - | - | - | - |
| 1.5608 | 3980 | 0.0004 | - | - | - | - | - | - |
| 1.5647 | 3990 | 0.0 | - | - | - | - | - | - |
| 1.5686 | 4000 | 0.0 | - | - | - | - | - | - |
| 1.5725 | 4010 | 0.0 | - | - | - | - | - | - |
| 1.5765 | 4020 | 0.0221 | - | - | - | - | - | - |
| 1.5804 | 4030 | 0.0006 | - | - | - | - | - | - |
| 1.5843 | 4040 | 0.0001 | - | - | - | - | - | - |
| 1.5882 | 4050 | 0.0 | - | - | - | - | - | - |
| 1.5922 | 4060 | 0.0 | - | - | - | - | - | - |
| 1.5961 | 4070 | 0.0001 | - | - | - | - | - | - |
| 1.6 | 4080 | 0.0 | - | - | - | - | - | - |
| 1.6039 | 4090 | 0.0001 | - | - | - | - | - | - |
| 1.6078 | 4100 | 0.055 | - | - | - | - | - | - |
| 1.6118 | 4110 | 0.0001 | - | - | - | - | - | - |
| 1.6157 | 4120 | 0.0001 | - | - | - | - | - | - |
| 1.6196 | 4130 | 0.0001 | - | - | - | - | - | - |
| 1.6235 | 4140 | 0.0002 | - | - | - | - | - | - |
| 1.6275 | 4150 | 0.0006 | - | - | - | - | - | - |
| 1.6314 | 4160 | 0.0001 | - | - | - | - | - | - |
| 1.6353 | 4170 | 0.0005 | - | - | - | - | - | - |
| 1.6392 | 4180 | 0.0001 | - | - | - | - | - | - |
| 1.6431 | 4190 | 0.0008 | - | - | - | - | - | - |
| 1.6471 | 4200 | 0.0001 | - | - | - | - | - | - |
| 1.6510 | 4210 | 0.0001 | - | - | - | - | - | - |
| 1.6549 | 4220 | 0.0 | - | - | - | - | - | - |
| 1.6588 | 4230 | 0.0 | - | - | - | - | - | - |
| 1.6627 | 4240 | 0.0004 | - | - | - | - | - | - |
| 1.6667 | 4250 | 0.0168 | - | - | - | - | - | - |
| 1.6706 | 4260 | 0.0009 | - | - | - | - | - | - |
| 1.6745 | 4270 | 0.0004 | - | - | - | - | - | - |
| 1.6784 | 4280 | 0.0001 | - | - | - | - | - | - |
| 1.6824 | 4290 | 0.0029 | - | - | - | - | - | - |
| 1.6863 | 4300 | 0.0001 | - | - | - | - | - | - |
| 1.6902 | 4310 | 0.0001 | - | - | - | - | - | - |
| 1.6941 | 4320 | 0.0 | - | - | - | - | - | - |
| 1.6980 | 4330 | 0.0004 | - | - | - | - | - | - |
| 1.7020 | 4340 | 0.0006 | - | - | - | - | - | - |
| 1.7059 | 4350 | 0.0004 | - | - | - | - | - | - |
| 1.7098 | 4360 | 0.0001 | - | - | - | - | - | - |
| 1.7137 | 4370 | 0.0001 | - | - | - | - | - | - |
| 1.7176 | 4380 | 0.0002 | - | - | - | - | - | - |
| 1.7216 | 4390 | 0.0001 | - | - | - | - | - | - |
| 1.7255 | 4400 | 0.0 | - | - | - | - | - | - |
| 1.7294 | 4410 | 0.0002 | - | - | - | - | - | - |
| 1.7333 | 4420 | 0.0 | - | - | - | - | - | - |
| 1.7373 | 4430 | 0.0001 | - | - | - | - | - | - |
| 1.7412 | 4440 | 0.0009 | - | - | - | - | - | - |
| 1.7451 | 4450 | 0.0 | - | - | - | - | - | - |
| 1.7490 | 4460 | 0.0001 | - | - | - | - | - | - |
| 1.7529 | 4470 | 0.0 | - | - | - | - | - | - |
| 1.7569 | 4480 | 0.0001 | - | - | - | - | - | - |
| 1.7608 | 4490 | 0.0 | - | - | - | - | - | - |
| 1.7647 | 4500 | 0.0 | - | - | - | - | - | - |
| 1.7686 | 4510 | 0.0 | - | - | - | - | - | - |
| 1.7725 | 4520 | 0.0001 | - | - | - | - | - | - |
| 1.7765 | 4530 | 0.0004 | - | - | - | - | - | - |
| 1.7804 | 4540 | 0.0 | - | - | - | - | - | - |
| 1.7843 | 4550 | 0.0 | - | - | - | - | - | - |
| 1.7882 | 4560 | 0.0 | - | - | - | - | - | - |
| 1.7922 | 4570 | 0.0002 | - | - | - | - | - | - |
| 1.7961 | 4580 | 0.0002 | - | - | - | - | - | - |
| 1.8 | 4590 | 0.0037 | - | - | - | - | - | - |
| 1.8039 | 4600 | 0.0 | - | - | - | - | - | - |
| 1.8078 | 4610 | 0.0002 | - | - | - | - | - | - |
| 1.8118 | 4620 | 0.0 | - | - | - | - | - | - |
| 1.8157 | 4630 | 0.0 | - | - | - | - | - | - |
| 1.8196 | 4640 | 0.0 | - | - | - | - | - | - |
| 1.8235 | 4650 | 0.0 | - | - | - | - | - | - |
| 1.8275 | 4660 | 0.0 | - | - | - | - | - | - |
| 1.8314 | 4670 | 0.0003 | - | - | - | - | - | - |
| 1.8353 | 4680 | 0.0 | - | - | - | - | - | - |
| 1.8392 | 4690 | 0.0001 | - | - | - | - | - | - |
| 1.8431 | 4700 | 0.0006 | - | - | - | - | - | - |
| 1.8471 | 4710 | 0.0004 | - | - | - | - | - | - |
| 1.8510 | 4720 | 0.0 | - | - | - | - | - | - |
| 1.8549 | 4730 | 0.0 | - | - | - | - | - | - |
| 1.8588 | 4740 | 0.0003 | - | - | - | - | - | - |
| 1.8627 | 4750 | 0.0 | - | - | - | - | - | - |
| 1.8667 | 4760 | 0.0001 | - | - | - | - | - | - |
| 1.8706 | 4770 | 0.0001 | - | - | - | - | - | - |
| 1.8745 | 4780 | 0.0003 | - | - | - | - | - | - |
| 1.8784 | 4790 | 0.0 | - | - | - | - | - | - |
| 1.8824 | 4800 | 0.0002 | - | - | - | - | - | - |
| 1.8863 | 4810 | 0.0001 | - | - | - | - | - | - |
| 1.8902 | 4820 | 0.0 | - | - | - | - | - | - |
| 1.8941 | 4830 | 0.0 | - | - | - | - | - | - |
| 1.8980 | 4840 | 0.0 | - | - | - | - | - | - |
| 1.9020 | 4850 | 0.0026 | - | - | - | - | - | - |
| 1.9059 | 4860 | 0.0 | - | - | - | - | - | - |
| 1.9098 | 4870 | 0.0 | - | - | - | - | - | - |
| 1.9137 | 4880 | 0.0001 | - | - | - | - | - | - |
| 1.9176 | 4890 | 0.0001 | - | - | - | - | - | - |
| 1.9216 | 4900 | 0.1158 | - | - | - | - | - | - |
| 1.9255 | 4910 | 0.0067 | - | - | - | - | - | - |
| 1.9294 | 4920 | 0.0001 | - | - | - | - | - | - |
| 1.9333 | 4930 | 0.0066 | - | - | - | - | - | - |
| 1.9373 | 4940 | 0.0011 | - | - | - | - | - | - |
| 1.9412 | 4950 | 0.0001 | - | - | - | - | - | - |
| 1.9451 | 4960 | 0.0 | - | - | - | - | - | - |
| 1.9490 | 4970 | 0.0001 | - | - | - | - | - | - |
| 1.9529 | 4980 | 0.0 | - | - | - | - | - | - |
| 1.9569 | 4990 | 0.0 | - | - | - | - | - | - |
| 1.9608 | 5000 | 0.0 | - | - | - | - | - | - |
| 1.9647 | 5010 | 0.0001 | - | - | - | - | - | - |
| 1.9686 | 5020 | 0.0 | - | - | - | - | - | - |
| 1.9725 | 5030 | 0.0 | - | - | - | - | - | - |
| 1.9765 | 5040 | 0.0 | - | - | - | - | - | - |
| 1.9804 | 5050 | 0.0002 | - | - | - | - | - | - |
| 1.9843 | 5060 | 0.0003 | - | - | - | - | - | - |
| 1.9882 | 5070 | 0.0 | - | - | - | - | - | - |
| 1.9922 | 5080 | 0.0 | - | - | - | - | - | - |
| 1.9961 | 5090 | 0.0024 | - | - | - | - | - | - |
| **2.0** | **5100** | **0.0001** | **0.0185** | **0.7244** | **0.723** | **0.7157** | **0.703** | **0.6785** |
* The bold row denotes the saved checkpoint.