square_run_square_run_first_vote_full_pic_25

This model is a fine-tuned version of google/vit-base-patch16-224 on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 1.8536
• F1 Macro: 0.0897
• F1 Micro: 0.2273
• F1 Weighted: 0.1159
• Precision Macro: 0.1014
• Precision Micro: 0.2273
• Precision Weighted: 0.1202
• Recall Macro: 0.1612
• Recall Micro: 0.2273
• Recall Weighted: 0.2273
• Accuracy: 0.2273

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: 0.0001
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_BNB with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	F1 Macro	F1 Micro	F1 Weighted	Precision Macro	Precision Micro	Precision Weighted	Recall Macro	Recall Micro	Recall Weighted	Accuracy
2.0541	1.0	58	1.9294	0.0745	0.1742	0.0883	0.0677	0.1742	0.0775	0.1392	0.1742	0.1742	0.1742
1.899	2.0	116	2.0056	0.0914	0.1667	0.1071	0.1733	0.1667	0.2233	0.1507	0.1667	0.1667	0.1667
1.8937	3.0	174	1.8754	0.0736	0.2197	0.0978	0.1254	0.2197	0.1492	0.1565	0.2197	0.2197	0.2197
1.6804	4.0	232	1.8873	0.1517	0.2424	0.1844	0.1762	0.2424	0.2120	0.1913	0.2424	0.2424	0.2424
1.9232	5.0	290	1.8961	0.1135	0.2197	0.1375	0.1588	0.2197	0.1867	0.1798	0.2197	0.2197	0.2197
1.9641	6.0	348	1.8811	0.1590	0.2576	0.1993	0.1760	0.2576	0.2156	0.2014	0.2576	0.2576	0.2576
2.0347	7.0	406	1.9128	0.1464	0.25	0.1728	0.2850	0.25	0.3156	0.2085	0.25	0.25	0.25
1.6055	8.0	464	1.8785	0.0897	0.1894	0.1134	0.1093	0.1894	0.1335	0.1456	0.1894	0.1894	0.1894
1.7139	9.0	522	1.8898	0.1370	0.2273	0.1573	0.1198	0.2273	0.1335	0.1915	0.2273	0.2273	0.2273
1.6365	10.0	580	2.0175	0.1712	0.2197	0.1920	0.2880	0.2197	0.3202	0.2121	0.2197	0.2197	0.2197
1.8532	11.0	638	1.9556	0.1660	0.2273	0.1964	0.1554	0.2273	0.1836	0.1913	0.2273	0.2273	0.2273
1.2227	12.0	696	2.0035	0.2204	0.2576	0.2473	0.2152	0.2576	0.2460	0.2339	0.2576	0.2576	0.2576
1.6314	13.0	754	2.2851	0.1228	0.1515	0.1330	0.1522	0.1515	0.1744	0.1455	0.1515	0.1515	0.1515
1.4037	14.0	812	2.4487	0.2087	0.2045	0.2052	0.2603	0.2045	0.2314	0.1982	0.2045	0.2045	0.2045
1.1671	15.0	870	2.3369	0.2516	0.2576	0.2536	0.2666	0.2576	0.2603	0.2534	0.2576	0.2576	0.2576
1.2144	16.0	928	2.5458	0.2020	0.25	0.2314	0.2126	0.25	0.2378	0.2129	0.25	0.25	0.25
0.7161	17.0	986	2.8359	0.1935	0.2273	0.2223	0.2512	0.2273	0.2767	0.1989	0.2273	0.2273	0.2273
0.7918	18.0	1044	2.9960	0.1857	0.25	0.2207	0.2161	0.25	0.2431	0.2032	0.25	0.25	0.25
0.3944	19.0	1102	3.1088	0.2928	0.2955	0.2922	0.3139	0.2955	0.3033	0.2887	0.2955	0.2955	0.2955
0.1982	20.0	1160	3.2756	0.2663	0.2652	0.2559	0.2978	0.2652	0.2843	0.2714	0.2652	0.2652	0.2652
0.282	21.0	1218	3.3012	0.2658	0.2803	0.2746	0.2849	0.2803	0.2807	0.2630	0.2803	0.2803	0.2803
0.6119	22.0	1276	3.3820	0.2684	0.2879	0.2772	0.2949	0.2879	0.3025	0.2745	0.2879	0.2879	0.2879
0.0598	23.0	1334	3.4127	0.2546	0.2652	0.2601	0.2570	0.2652	0.2616	0.2602	0.2652	0.2652	0.2652
0.0219	24.0	1392	3.6584	0.2391	0.2576	0.2488	0.2711	0.2576	0.2541	0.2377	0.2576	0.2576	0.2576
0.2059	25.0	1450	3.6858	0.2517	0.2652	0.2600	0.2717	0.2652	0.2684	0.2488	0.2652	0.2652	0.2652
0.5641	26.0	1508	3.8254	0.2395	0.2576	0.2515	0.2455	0.2576	0.2537	0.2406	0.2576	0.2576	0.2576
0.3301	27.0	1566	3.9264	0.2529	0.2727	0.2655	0.2580	0.2727	0.2670	0.2550	0.2727	0.2727	0.2727
0.2333	28.0	1624	4.0348	0.2007	0.2197	0.2100	0.1977	0.2197	0.2053	0.2077	0.2197	0.2197	0.2197
0.1264	29.0	1682	4.0264	0.2224	0.2348	0.2295	0.2281	0.2348	0.2308	0.2225	0.2348	0.2348	0.2348
0.0029	30.0	1740	4.0181	0.2304	0.2424	0.2376	0.2351	0.2424	0.2380	0.2304	0.2424	0.2424	0.2424

Framework versions

• Transformers 4.49.0
• Pytorch 2.6.0+cu124
• Datasets 3.3.1
• Tokenizers 0.21.0