lilt-en-combined
This model is a fine-tuned version of SCUT-DLVCLab/lilt-roberta-en-base on the None dataset. It achieves the following results on the evaluation set:
- Loss: 0.0876
- Adhaar Number: {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39}
- Ame: {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62}
- An Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17}
- Assport Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}
- Ast Name: {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18}
- Ate Of Expiry: {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20}
- Ather Name: {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31}
- Ather Name Back: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17}
- Ather Name Front Top: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12}
- Ddress: {'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16}
- Ddress Back: {'precision': 0.9384615384615385, 'recall': 0.8970588235294118, 'f1': 0.9172932330827067, 'number': 68}
- Ddress Front: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49}
- Ender: {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41}
- Ob: {'precision': 0.9833333333333333, 'recall': 0.9833333333333333, 'f1': 0.9833333333333333, 'number': 60}
- Obile Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}
- Other Name: {'precision': 0.5, 'recall': 0.6153846153846154, 'f1': 0.5517241379310345, 'number': 13}
- Rz Passport: {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23}
- Ther: {'precision': 0.9044943820224719, 'recall': 0.9044943820224719, 'f1': 0.9044943820224719, 'number': 356}
- Overall Precision: 0.9300
- Overall Recall: 0.9289
- Overall F1: 0.9294
- Overall Accuracy: 0.9909
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: 5e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- training_steps: 2500
- mixed_precision_training: Native AMP
Training results
Training Loss | Epoch | Step | Validation Loss | Adhaar Number | Ame | An Number | Assport Number | Ast Name | Ate Of Expiry | Ather Name | Ather Name Back | Ather Name Front Top | Ddress | Ddress Back | Ddress Front | Ender | Ob | Obile Number | Other Name | Rz Passport | Ther | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0.3119 | 3.45 | 200 | 0.1237 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.8833333333333333, 'recall': 0.8548387096774194, 'f1': 0.8688524590163934, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.7894736842105263, 'recall': 0.8333333333333334, 'f1': 0.8108108108108109, 'number': 18} | {'precision': 0.8823529411764706, 'recall': 0.75, 'f1': 0.8108108108108107, 'number': 20} | {'precision': 0.9, 'recall': 0.8709677419354839, 'f1': 0.8852459016393444, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.4, 'recall': 0.25, 'f1': 0.3076923076923077, 'number': 16} | {'precision': 0.8888888888888888, 'recall': 0.8235294117647058, 'f1': 0.8549618320610687, 'number': 68} | {'precision': 1.0, 'recall': 0.9795918367346939, 'f1': 0.9896907216494846, 'number': 49} | {'precision': 1.0, 'recall': 0.926829268292683, 'f1': 0.9620253164556963, 'number': 41} | {'precision': 1.0, 'recall': 0.9666666666666667, 'f1': 0.983050847457627, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5384615384615384, 'recall': 0.5384615384615384, 'f1': 0.5384615384615384, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8497109826589595, 'recall': 0.8258426966292135, 'f1': 0.8376068376068376, 'number': 356} | 0.8942 | 0.8624 | 0.8780 | 0.9788 |
0.0352 | 6.9 | 400 | 0.0822 | {'precision': 0.8604651162790697, 'recall': 0.9487179487179487, 'f1': 0.9024390243902439, 'number': 39} | {'precision': 0.8253968253968254, 'recall': 0.8387096774193549, 'f1': 0.832, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20} | {'precision': 0.9032258064516129, 'recall': 0.9032258064516129, 'f1': 0.9032258064516129, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16} | {'precision': 0.8787878787878788, 'recall': 0.8529411764705882, 'f1': 0.8656716417910447, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 0.975609756097561, 'recall': 0.975609756097561, 'f1': 0.975609756097561, 'number': 41} | {'precision': 1.0, 'recall': 0.9833333333333333, 'f1': 0.9915966386554621, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5, 'recall': 0.6153846153846154, 'f1': 0.5517241379310345, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8689458689458689, 'recall': 0.8567415730337079, 'f1': 0.8628005657708628, 'number': 356} | 0.8956 | 0.8956 | 0.8956 | 0.9855 |
0.0162 | 10.34 | 600 | 0.0936 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9193548387096774, 'recall': 0.9193548387096774, 'f1': 0.9193548387096774, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20} | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20} | {'precision': 1.0, 'recall': 0.967741935483871, 'f1': 0.9836065573770492, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.7857142857142857, 'recall': 0.6875, 'f1': 0.7333333333333334, 'number': 16} | {'precision': 0.9206349206349206, 'recall': 0.8529411764705882, 'f1': 0.8854961832061068, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 0.9090909090909091, 'recall': 1.0, 'f1': 0.9523809523809523, 'number': 10} | {'precision': 0.7272727272727273, 'recall': 0.6153846153846154, 'f1': 0.6666666666666667, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8895184135977338, 'recall': 0.8820224719101124, 'f1': 0.8857545839210157, 'number': 356} | 0.9246 | 0.9140 | 0.9193 | 0.9885 |
0.0072 | 13.79 | 800 | 0.0849 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.890625, 'recall': 0.9193548387096774, 'f1': 0.9047619047619047, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.85, 'recall': 0.9444444444444444, 'f1': 0.8947368421052632, 'number': 18} | {'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 20} | {'precision': 0.7941176470588235, 'recall': 0.8709677419354839, 'f1': 0.8307692307692308, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.7058823529411765, 'recall': 0.75, 'f1': 0.7272727272727272, 'number': 16} | {'precision': 0.921875, 'recall': 0.8676470588235294, 'f1': 0.893939393939394, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.6666666666666666, 'recall': 0.46153846153846156, 'f1': 0.5454545454545455, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8690807799442897, 'recall': 0.8764044943820225, 'f1': 0.8727272727272727, 'number': 356} | 0.9033 | 0.9106 | 0.9069 | 0.9848 |
0.0045 | 17.24 | 1000 | 0.0882 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.8688524590163934, 'recall': 0.8548387096774194, 'f1': 0.8617886178861789, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8421052631578947, 'recall': 0.8888888888888888, 'f1': 0.8648648648648649, 'number': 18} | {'precision': 0.8695652173913043, 'recall': 1.0, 'f1': 0.9302325581395349, 'number': 20} | {'precision': 0.9310344827586207, 'recall': 0.8709677419354839, 'f1': 0.9, 'number': 31} | {'precision': 0.8888888888888888, 'recall': 0.9411764705882353, 'f1': 0.9142857142857143, 'number': 17} | {'precision': 0.9166666666666666, 'recall': 0.9166666666666666, 'f1': 0.9166666666666666, 'number': 12} | {'precision': 0.7647058823529411, 'recall': 0.8125, 'f1': 0.787878787878788, 'number': 16} | {'precision': 0.890625, 'recall': 0.8382352941176471, 'f1': 0.8636363636363636, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 0.975, 'recall': 0.9512195121951219, 'f1': 0.9629629629629629, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5333333333333333, 'recall': 0.6153846153846154, 'f1': 0.5714285714285715, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8631284916201117, 'recall': 0.8679775280898876, 'f1': 0.8655462184873948, 'number': 356} | 0.8961 | 0.9002 | 0.8982 | 0.9860 |
0.002 | 20.69 | 1200 | 0.0821 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.8939393939393939, 'recall': 0.9516129032258065, 'f1': 0.921875, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.75, 'recall': 0.8333333333333334, 'f1': 0.7894736842105262, 'number': 18} | {'precision': 0.9473684210526315, 'recall': 0.9, 'f1': 0.9230769230769231, 'number': 20} | {'precision': 0.9666666666666667, 'recall': 0.9354838709677419, 'f1': 0.9508196721311476, 'number': 31} | {'precision': 1.0, 'recall': 0.9411764705882353, 'f1': 0.9696969696969697, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16} | {'precision': 0.8923076923076924, 'recall': 0.8529411764705882, 'f1': 0.8721804511278195, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5384615384615384, 'recall': 0.5384615384615384, 'f1': 0.5384615384615384, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8920454545454546, 'recall': 0.8820224719101124, 'f1': 0.8870056497175142, 'number': 356} | 0.9170 | 0.9117 | 0.9143 | 0.9887 |
0.0013 | 24.14 | 1400 | 0.0909 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20} | {'precision': 0.9333333333333333, 'recall': 0.9032258064516129, 'f1': 0.9180327868852459, 'number': 31} | {'precision': 1.0, 'recall': 0.9411764705882353, 'f1': 0.9696969696969697, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 16} | {'precision': 0.9242424242424242, 'recall': 0.8970588235294118, 'f1': 0.9104477611940298, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9836065573770492, 'recall': 1.0, 'f1': 0.9917355371900827, 'number': 60} | {'precision': 0.9090909090909091, 'recall': 1.0, 'f1': 0.9523809523809523, 'number': 10} | {'precision': 0.6153846153846154, 'recall': 0.6153846153846154, 'f1': 0.6153846153846154, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.901685393258427, 'recall': 0.901685393258427, 'f1': 0.901685393258427, 'number': 356} | 0.9309 | 0.9266 | 0.9287 | 0.9901 |
0.001 | 27.59 | 1600 | 0.0808 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.7894736842105263, 'recall': 0.8333333333333334, 'f1': 0.8108108108108109, 'number': 18} | {'precision': 0.8571428571428571, 'recall': 0.9, 'f1': 0.8780487804878048, 'number': 20} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.7368421052631579, 'recall': 0.875, 'f1': 0.7999999999999999, 'number': 16} | {'precision': 0.9384615384615385, 'recall': 0.8970588235294118, 'f1': 0.9172932330827067, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9833333333333333, 'recall': 0.9833333333333333, 'f1': 0.9833333333333333, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5714285714285714, 'recall': 0.6153846153846154, 'f1': 0.5925925925925927, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8938547486033519, 'recall': 0.898876404494382, 'f1': 0.896358543417367, 'number': 356} | 0.9224 | 0.9266 | 0.9245 | 0.9899 |
0.0004 | 31.03 | 1800 | 0.0922 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.7894736842105263, 'recall': 0.8333333333333334, 'f1': 0.8108108108108109, 'number': 18} | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.7857142857142857, 'recall': 0.6875, 'f1': 0.7333333333333334, 'number': 16} | {'precision': 0.9375, 'recall': 0.8823529411764706, 'f1': 0.9090909090909091, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5, 'recall': 0.5384615384615384, 'f1': 0.5185185185185186, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8977272727272727, 'recall': 0.8876404494382022, 'f1': 0.8926553672316383, 'number': 356} | 0.9236 | 0.9151 | 0.9194 | 0.9891 |
0.0003 | 34.48 | 2000 | 0.0898 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8421052631578947, 'recall': 0.8888888888888888, 'f1': 0.8648648648648649, 'number': 18} | {'precision': 0.8571428571428571, 'recall': 0.9, 'f1': 0.8780487804878048, 'number': 20} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.8666666666666667, 'recall': 0.8125, 'f1': 0.8387096774193549, 'number': 16} | {'precision': 0.90625, 'recall': 0.8529411764705882, 'f1': 0.8787878787878787, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9516129032258065, 'recall': 0.9833333333333333, 'f1': 0.9672131147540983, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5, 'recall': 0.5384615384615384, 'f1': 0.5185185185185186, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8904494382022472, 'recall': 0.8904494382022472, 'f1': 0.8904494382022472, 'number': 356} | 0.9196 | 0.9186 | 0.9191 | 0.9892 |
0.0003 | 37.93 | 2200 | 0.0843 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.8571428571428571, 'recall': 0.9, 'f1': 0.8780487804878048, 'number': 20} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16} | {'precision': 0.90625, 'recall': 0.8529411764705882, 'f1': 0.8787878787878787, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9672131147540983, 'recall': 0.9833333333333333, 'f1': 0.9752066115702478, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.4375, 'recall': 0.5384615384615384, 'f1': 0.4827586206896552, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.8935574229691877, 'recall': 0.8960674157303371, 'f1': 0.8948106591865358, 'number': 356} | 0.9211 | 0.9232 | 0.9221 | 0.9899 |
0.0002 | 41.38 | 2400 | 0.0876 | {'precision': 0.975, 'recall': 1.0, 'f1': 0.9873417721518987, 'number': 39} | {'precision': 0.9516129032258065, 'recall': 0.9516129032258065, 'f1': 0.9516129032258065, 'number': 62} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20} | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 20} | {'precision': 0.9354838709677419, 'recall': 0.9354838709677419, 'f1': 0.9354838709677419, 'number': 31} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 17} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 12} | {'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16} | {'precision': 0.9384615384615385, 'recall': 0.8970588235294118, 'f1': 0.9172932330827067, 'number': 68} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 49} | {'precision': 1.0, 'recall': 0.9512195121951219, 'f1': 0.975, 'number': 41} | {'precision': 0.9833333333333333, 'recall': 0.9833333333333333, 'f1': 0.9833333333333333, 'number': 60} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10} | {'precision': 0.5, 'recall': 0.6153846153846154, 'f1': 0.5517241379310345, 'number': 13} | {'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23} | {'precision': 0.9044943820224719, 'recall': 0.9044943820224719, 'f1': 0.9044943820224719, 'number': 356} | 0.9300 | 0.9289 | 0.9294 | 0.9909 |
Framework versions
- Transformers 4.38.2
- Pytorch 2.2.1+cu121
- Datasets 2.18.0
- Tokenizers 0.15.2
- Downloads last month
- 24
This model does not have enough activity to be deployed to Inference API (serverless) yet. Increase its social
visibility and check back later, or deploy to Inference Endpoints (dedicated)
instead.
Model tree for prashantloni/lilt-en-combined
Base model
SCUT-DLVCLab/lilt-roberta-en-base