metadata
library_name: transformers
license: other
base_model: nvidia/mit-b0
tags:
- vision
- image-segmentation
- generated_from_trainer
model-index:
- name: segformer-b0-finetuned-Eduardo-food103-GOOGLE100
results: []
segformer-b0-finetuned-Eduardo-food103-GOOGLE100
This model is a fine-tuned version of nvidia/mit-b0 on the EduardoPacheco/FoodSeg103 dataset. It achieves the following results on the evaluation set:
- Loss: 2.0228
- Mean Iou: 0.0621
- Mean Accuracy: 0.1402
- Overall Accuracy: 0.2390
- Accuracy Background: nan
- Accuracy Candy: nan
- Accuracy Egg tart: nan
- Accuracy French fries: 0.0048
- Accuracy Chocolate: nan
- Accuracy Biscuit: 0.0
- Accuracy Popcorn: nan
- Accuracy Pudding: nan
- Accuracy Ice cream: 0.0
- Accuracy Cheese butter: 0.0
- Accuracy Cake: nan
- Accuracy Wine: nan
- Accuracy Milkshake: nan
- Accuracy Coffee: nan
- Accuracy Juice: nan
- Accuracy Milk: nan
- Accuracy Tea: nan
- Accuracy Almond: nan
- Accuracy Red beans: nan
- Accuracy Cashew: nan
- Accuracy Dried cranberries: nan
- Accuracy Soy: nan
- Accuracy Walnut: nan
- Accuracy Peanut: nan
- Accuracy Egg: 0.0
- Accuracy Apple: nan
- Accuracy Date: nan
- Accuracy Apricot: nan
- Accuracy Avocado: 0.0
- Accuracy Banana: nan
- Accuracy Strawberry: nan
- Accuracy Cherry: nan
- Accuracy Blueberry: 0.0
- Accuracy Raspberry: nan
- Accuracy Mango: nan
- Accuracy Olives: nan
- Accuracy Peach: nan
- Accuracy Lemon: 0.3528
- Accuracy Pear: nan
- Accuracy Fig: nan
- Accuracy Pineapple: nan
- Accuracy Grape: 0.0
- Accuracy Kiwi: 0.0
- Accuracy Melon: nan
- Accuracy Orange: 0.0326
- Accuracy Watermelon: nan
- Accuracy Steak: nan
- Accuracy Pork: 0.1314
- Accuracy Chicken duck: 0.2786
- Accuracy Sausage: 0.0
- Accuracy Fried meat: nan
- Accuracy Lamb: nan
- Accuracy Sauce: 0.0907
- Accuracy Crab: nan
- Accuracy Fish: 0.0
- Accuracy Shellfish: nan
- Accuracy Shrimp: nan
- Accuracy Soup: nan
- Accuracy Bread: 0.5107
- Accuracy Corn: nan
- Accuracy Hamburg: nan
- Accuracy Pizza: nan
- Accuracy hanamaki baozi: nan
- Accuracy Wonton dumplings: nan
- Accuracy Pasta: nan
- Accuracy Noodles: nan
- Accuracy Rice: 0.8496
- Accuracy Pie: 0.0
- Accuracy Tofu: nan
- Accuracy Eggplant: nan
- Accuracy Potato: 0.4847
- Accuracy Garlic: nan
- Accuracy Cauliflower: 0.0
- Accuracy Tomato: 0.3533
- Accuracy Kelp: nan
- Accuracy Seaweed: nan
- Accuracy Spring onion: 0.0
- Accuracy Rape: nan
- Accuracy Ginger: nan
- Accuracy Okra: nan
- Accuracy Lettuce: 0.0
- Accuracy Pumpkin: 0.0
- Accuracy Cucumber: 0.0
- Accuracy White radish: nan
- Accuracy Carrot: 0.7820
- Accuracy Asparagus: nan
- Accuracy Bamboo shoots: nan
- Accuracy Broccoli: 0.8968
- Accuracy Celery stick: 0.0
- Accuracy Cilantro mint: 0.0
- Accuracy Snow peas: nan
- Accuracy cabbage: nan
- Accuracy Bean sprouts: nan
- Accuracy Onion: 0.0
- Accuracy Pepper: 0.0
- Accuracy Green beans: 0.0
- Accuracy French beans: nan
- Accuracy King oyster mushroom: nan
- Accuracy Shiitake: nan
- Accuracy Enoki mushroom: nan
- Accuracy Oyster mushroom: nan
- Accuracy White button mushroom: nan
- Accuracy Salad: nan
- Accuracy Other ingredients: 0.0
- Iou Background: 0.0
- Iou Candy: nan
- Iou Egg tart: nan
- Iou French fries: 0.0043
- Iou Chocolate: nan
- Iou Biscuit: 0.0
- Iou Popcorn: nan
- Iou Pudding: nan
- Iou Ice cream: 0.0
- Iou Cheese butter: 0.0
- Iou Cake: 0.0
- Iou Wine: nan
- Iou Milkshake: nan
- Iou Coffee: nan
- Iou Juice: nan
- Iou Milk: nan
- Iou Tea: nan
- Iou Almond: nan
- Iou Red beans: nan
- Iou Cashew: nan
- Iou Dried cranberries: nan
- Iou Soy: nan
- Iou Walnut: nan
- Iou Peanut: nan
- Iou Egg: 0.0
- Iou Apple: nan
- Iou Date: nan
- Iou Apricot: nan
- Iou Avocado: 0.0
- Iou Banana: nan
- Iou Strawberry: 0.0
- Iou Cherry: nan
- Iou Blueberry: 0.0
- Iou Raspberry: nan
- Iou Mango: nan
- Iou Olives: nan
- Iou Peach: nan
- Iou Lemon: 0.1992
- Iou Pear: nan
- Iou Fig: nan
- Iou Pineapple: nan
- Iou Grape: 0.0
- Iou Kiwi: 0.0
- Iou Melon: nan
- Iou Orange: 0.0326
- Iou Watermelon: nan
- Iou Steak: 0.0
- Iou Pork: 0.1148
- Iou Chicken duck: 0.0950
- Iou Sausage: 0.0
- Iou Fried meat: nan
- Iou Lamb: nan
- Iou Sauce: 0.0298
- Iou Crab: nan
- Iou Fish: 0.0
- Iou Shellfish: nan
- Iou Shrimp: nan
- Iou Soup: nan
- Iou Bread: 0.2608
- Iou Corn: 0.0
- Iou Hamburg: nan
- Iou Pizza: nan
- Iou hanamaki baozi: nan
- Iou Wonton dumplings: nan
- Iou Pasta: nan
- Iou Noodles: nan
- Iou Rice: 0.5581
- Iou Pie: 0.0
- Iou Tofu: nan
- Iou Eggplant: nan
- Iou Potato: 0.2434
- Iou Garlic: nan
- Iou Cauliflower: 0.0
- Iou Tomato: 0.2617
- Iou Kelp: nan
- Iou Seaweed: nan
- Iou Spring onion: 0.0
- Iou Rape: nan
- Iou Ginger: nan
- Iou Okra: nan
- Iou Lettuce: 0.0
- Iou Pumpkin: 0.0
- Iou Cucumber: 0.0
- Iou White radish: nan
- Iou Carrot: 0.5110
- Iou Asparagus: 0.0
- Iou Bamboo shoots: nan
- Iou Broccoli: 0.2335
- Iou Celery stick: 0.0
- Iou Cilantro mint: 0.0
- Iou Snow peas: nan
- Iou cabbage: nan
- Iou Bean sprouts: nan
- Iou Onion: 0.0
- Iou Pepper: 0.0
- Iou Green beans: 0.0
- Iou French beans: 0.0
- Iou King oyster mushroom: nan
- Iou Shiitake: nan
- Iou Enoki mushroom: nan
- Iou Oyster mushroom: nan
- Iou White button mushroom: nan
- Iou Salad: nan
- Iou Other ingredients: 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: 0.0001
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
- lr_scheduler_type: linear
- num_epochs: 50
Training results
| Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Background | Accuracy Candy | Accuracy Egg tart | Accuracy French fries | Accuracy Chocolate | Accuracy Biscuit | Accuracy Popcorn | Accuracy Pudding | Accuracy Ice cream | Accuracy Cheese butter | Accuracy Cake | Accuracy Wine | Accuracy Milkshake | Accuracy Coffee | Accuracy Juice | Accuracy Milk | Accuracy Tea | Accuracy Almond | Accuracy Red beans | Accuracy Cashew | Accuracy Dried cranberries | Accuracy Soy | Accuracy Walnut | Accuracy Peanut | Accuracy Egg | Accuracy Apple | Accuracy Date | Accuracy Apricot | Accuracy Avocado | Accuracy Banana | Accuracy Strawberry | Accuracy Cherry | Accuracy Blueberry | Accuracy Raspberry | Accuracy Mango | Accuracy Olives | Accuracy Peach | Accuracy Lemon | Accuracy Pear | Accuracy Fig | Accuracy Pineapple | Accuracy Grape | Accuracy Kiwi | Accuracy Melon | Accuracy Orange | Accuracy Watermelon | Accuracy Steak | Accuracy Pork | Accuracy Chicken duck | Accuracy Sausage | Accuracy Fried meat | Accuracy Lamb | Accuracy Sauce | Accuracy Crab | Accuracy Fish | Accuracy Shellfish | Accuracy Shrimp | Accuracy Soup | Accuracy Bread | Accuracy Corn | Accuracy Hamburg | Accuracy Pizza | Accuracy hanamaki baozi | Accuracy Wonton dumplings | Accuracy Pasta | Accuracy Noodles | Accuracy Rice | Accuracy Pie | Accuracy Tofu | Accuracy Eggplant | Accuracy Potato | Accuracy Garlic | Accuracy Cauliflower | Accuracy Tomato | Accuracy Kelp | Accuracy Seaweed | Accuracy Spring onion | Accuracy Rape | Accuracy Ginger | Accuracy Okra | Accuracy Lettuce | Accuracy Pumpkin | Accuracy Cucumber | Accuracy White radish | Accuracy Carrot | Accuracy Asparagus | Accuracy Bamboo shoots | Accuracy Broccoli | Accuracy Celery stick | Accuracy Cilantro mint | Accuracy Snow peas | Accuracy cabbage | Accuracy Bean sprouts | Accuracy Onion | Accuracy Pepper | Accuracy Green beans | Accuracy French beans | Accuracy King oyster mushroom | Accuracy Shiitake | Accuracy Enoki mushroom | Accuracy Oyster mushroom | Accuracy White button mushroom | Accuracy Salad | Accuracy Other ingredients | Iou Background | Iou Candy | Iou Egg tart | Iou French fries | Iou Chocolate | Iou Biscuit | Iou Popcorn | Iou Pudding | Iou Ice cream | Iou Cheese butter | Iou Cake | Iou Wine | Iou Milkshake | Iou Coffee | Iou Juice | Iou Milk | Iou Tea | Iou Almond | Iou Red beans | Iou Cashew | Iou Dried cranberries | Iou Soy | Iou Walnut | Iou Peanut | Iou Egg | Iou Apple | Iou Date | Iou Apricot | Iou Avocado | Iou Banana | Iou Strawberry | Iou Cherry | Iou Blueberry | Iou Raspberry | Iou Mango | Iou Olives | Iou Peach | Iou Lemon | Iou Pear | Iou Fig | Iou Pineapple | Iou Grape | Iou Kiwi | Iou Melon | Iou Orange | Iou Watermelon | Iou Steak | Iou Pork | Iou Chicken duck | Iou Sausage | Iou Fried meat | Iou Lamb | Iou Sauce | Iou Crab | Iou Fish | Iou Shellfish | Iou Shrimp | Iou Soup | Iou Bread | Iou Corn | Iou Hamburg | Iou Pizza | Iou hanamaki baozi | Iou Wonton dumplings | Iou Pasta | Iou Noodles | Iou Rice | Iou Pie | Iou Tofu | Iou Eggplant | Iou Potato | Iou Garlic | Iou Cauliflower | Iou Tomato | Iou Kelp | Iou Seaweed | Iou Spring onion | Iou Rape | Iou Ginger | Iou Okra | Iou Lettuce | Iou Pumpkin | Iou Cucumber | Iou White radish | Iou Carrot | Iou Asparagus | Iou Bamboo shoots | Iou Broccoli | Iou Celery stick | Iou Cilantro mint | Iou Snow peas | Iou cabbage | Iou Bean sprouts | Iou Onion | Iou Pepper | Iou Green beans | Iou French beans | Iou King oyster mushroom | Iou Shiitake | Iou Enoki mushroom | Iou Oyster mushroom | Iou White button mushroom | Iou Salad | Iou Other ingredients |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2.7162 | 10.0 | 100 | 2.6801 | 0.0326 | 0.0975 | 0.1897 | nan | nan | nan | 0.0000 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | 0.0008 | 0.3998 | 0.0 | nan | nan | 0.0106 | nan | 0.0 | nan | nan | nan | 0.5280 | nan | nan | nan | nan | nan | nan | nan | 0.2789 | 0.0 | nan | nan | 0.3304 | nan | 0.0 | 0.1307 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8033 | nan | nan | 0.8330 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0000 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | 0.0 | 0.0007 | 0.0741 | 0.0 | nan | nan | 0.0042 | nan | 0.0 | 0.0 | nan | nan | 0.2886 | 0.0 | nan | nan | nan | nan | nan | nan | 0.2364 | 0.0 | nan | nan | 0.2336 | nan | 0.0 | 0.1061 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.2684 | 0.0 | nan | 0.1901 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 |
| 1.859 | 20.0 | 200 | 2.2530 | 0.0489 | 0.1145 | 0.2253 | nan | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | 0.0035 | 0.1003 | 0.0 | nan | nan | 0.0500 | nan | 0.0 | nan | nan | nan | 0.5894 | nan | nan | nan | nan | nan | nan | nan | 0.7771 | 0.0025 | nan | nan | 0.4030 | nan | 0.0 | 0.3669 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.7427 | nan | nan | 0.8588 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | 0.0 | 0.0032 | 0.0411 | 0.0 | nan | nan | 0.0177 | nan | 0.0 | nan | nan | nan | 0.2596 | 0.0 | nan | nan | nan | nan | nan | nan | 0.4561 | 0.0010 | nan | nan | 0.2965 | nan | 0.0 | 0.2613 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.4270 | 0.0 | nan | 0.1933 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 |
| 1.4433 | 30.0 | 300 | 2.1218 | 0.0597 | 0.1303 | 0.2362 | nan | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.1094 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0394 | nan | nan | 0.0811 | 0.2829 | 0.0 | nan | nan | 0.0623 | nan | 0.0 | nan | nan | nan | 0.5184 | nan | nan | nan | nan | nan | nan | nan | 0.8217 | 0.0 | nan | nan | 0.4458 | nan | 0.0 | 0.3345 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8465 | nan | nan | 0.8885 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.1064 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0394 | nan | 0.0 | 0.0789 | 0.1016 | 0.0 | nan | nan | 0.0218 | nan | 0.0 | nan | nan | nan | 0.2490 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5284 | 0.0 | nan | nan | 0.2913 | nan | 0.0 | 0.2548 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.4633 | 0.0 | nan | 0.1923 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
| 1.2355 | 40.0 | 400 | 2.0425 | 0.0637 | 0.1411 | 0.2425 | nan | nan | nan | 0.0088 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.3867 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0263 | nan | nan | 0.1149 | 0.2447 | 0.0 | nan | nan | 0.0802 | nan | 0.0 | nan | nan | nan | 0.5466 | nan | nan | nan | nan | nan | nan | nan | 0.8522 | 0.0000 | nan | nan | 0.4784 | nan | 0.0 | 0.3390 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8193 | nan | nan | 0.9016 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0080 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.2547 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0263 | nan | 0.0 | 0.1059 | 0.0885 | 0.0 | nan | nan | 0.0276 | nan | 0.0 | nan | nan | nan | 0.2568 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5456 | 0.0000 | nan | nan | 0.2725 | nan | 0.0 | 0.2551 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.5393 | 0.0 | nan | 0.2314 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
| 1.1372 | 50.0 | 500 | 2.0228 | 0.0621 | 0.1402 | 0.2390 | nan | nan | nan | 0.0048 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.3528 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0326 | nan | nan | 0.1314 | 0.2786 | 0.0 | nan | nan | 0.0907 | nan | 0.0 | nan | nan | nan | 0.5107 | nan | nan | nan | nan | nan | nan | nan | 0.8496 | 0.0 | nan | nan | 0.4847 | nan | 0.0 | 0.3533 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.7820 | nan | nan | 0.8968 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0043 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.1992 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0326 | nan | 0.0 | 0.1148 | 0.0950 | 0.0 | nan | nan | 0.0298 | nan | 0.0 | nan | nan | nan | 0.2608 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5581 | 0.0 | nan | nan | 0.2434 | nan | 0.0 | 0.2617 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.5110 | 0.0 | nan | 0.2335 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
Framework versions
- Transformers 4.46.3
- Pytorch 2.5.1+cu121
- Datasets 3.2.0
- Tokenizers 0.20.3