metadata
license: other
base_model: nvidia/mit-b0
tags:
- vision
- image-segmentation
- generated_from_trainer
model-index:
- name: segformer-b0-finetuned-segments-dots-1
results: []
segformer-b0-finetuned-segments-dots-1
This model is a fine-tuned version of nvidia/mit-b0 on the rohan8020/test dataset. It achieves the following results on the evaluation set:
- Loss: 0.0000
- Mean Iou: 0.0
- Mean Accuracy: nan
- Overall Accuracy: nan
- Accuracy Unlabeled: nan
- Accuracy Dots: nan
- Iou Unlabeled: 0.0
- Iou Dots: 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: 6e-05
- train_batch_size: 2
- eval_batch_size: 2
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 250
Training results
| Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Unlabeled | Accuracy Dots | Iou Unlabeled | Iou Dots |
|---|---|---|---|---|---|---|---|---|---|---|
| 0.0029 | 4.0 | 20 | 0.0122 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0004 | 8.0 | 40 | 0.0010 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0003 | 12.0 | 60 | 0.0004 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0003 | 16.0 | 80 | 0.0003 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0003 | 20.0 | 100 | 0.0002 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0002 | 24.0 | 120 | 0.0002 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 28.0 | 140 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0002 | 32.0 | 160 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 36.0 | 180 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 40.0 | 200 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0002 | 44.0 | 220 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 48.0 | 240 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 52.0 | 260 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 56.0 | 280 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 60.0 | 300 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 64.0 | 320 | 0.0001 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 68.0 | 340 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 72.0 | 360 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 76.0 | 380 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 80.0 | 400 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 84.0 | 420 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 88.0 | 440 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0001 | 92.0 | 460 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 96.0 | 480 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 100.0 | 500 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 104.0 | 520 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 108.0 | 540 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 112.0 | 560 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 116.0 | 580 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 120.0 | 600 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 124.0 | 620 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 128.0 | 640 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 132.0 | 660 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 136.0 | 680 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 140.0 | 700 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 144.0 | 720 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 148.0 | 740 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 152.0 | 760 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 156.0 | 780 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 160.0 | 800 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 164.0 | 820 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 168.0 | 840 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 172.0 | 860 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 176.0 | 880 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 180.0 | 900 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 184.0 | 920 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 188.0 | 940 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 192.0 | 960 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 196.0 | 980 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 200.0 | 1000 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 204.0 | 1020 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 208.0 | 1040 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 212.0 | 1060 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 216.0 | 1080 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 220.0 | 1100 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 224.0 | 1120 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 228.0 | 1140 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 232.0 | 1160 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 236.0 | 1180 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 240.0 | 1200 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 244.0 | 1220 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
| 0.0 | 248.0 | 1240 | 0.0000 | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 |
Framework versions
- Transformers 4.37.0
- Pytorch 2.1.0+cu121
- Datasets 2.16.1
- Tokenizers 0.15.0