|
--- |
|
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: [] |
|
--- |
|
|
|
<!-- This model card has been generated automatically according to the information the Trainer had access to. You |
|
should probably proofread and complete it, then remove this comment. --> |
|
|
|
# segformer-b0-finetuned-Eduardo-food103-GOOGLE100 |
|
|
|
This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the EduardoPacheco/FoodSeg103 dataset. |
|
It achieves the following results on the evaluation set: |
|
- Loss: 2.1878 |
|
- Mean Iou: 0.0726 |
|
- Mean Accuracy: 0.1651 |
|
- Overall Accuracy: 0.2308 |
|
- Accuracy Background: nan |
|
- Accuracy Candy: nan |
|
- Accuracy Egg tart: nan |
|
- Accuracy French fries: 0.0 |
|
- Accuracy Chocolate: 0.0 |
|
- Accuracy Biscuit: 0.0 |
|
- Accuracy Popcorn: nan |
|
- Accuracy Pudding: nan |
|
- Accuracy Ice cream: 0.0 |
|
- Accuracy Cheese butter: 0.0 |
|
- Accuracy Cake: 0.0 |
|
- 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: 0.0 |
|
- Accuracy Strawberry: 0.0028 |
|
- Accuracy Cherry: nan |
|
- Accuracy Blueberry: nan |
|
- Accuracy Raspberry: nan |
|
- Accuracy Mango: nan |
|
- Accuracy Olives: nan |
|
- Accuracy Peach: nan |
|
- Accuracy Lemon: 0.0 |
|
- Accuracy Pear: nan |
|
- Accuracy Fig: nan |
|
- Accuracy Pineapple: 0.0 |
|
- Accuracy Grape: nan |
|
- Accuracy Kiwi: nan |
|
- Accuracy Melon: nan |
|
- Accuracy Orange: 0.0129 |
|
- Accuracy Watermelon: nan |
|
- Accuracy Steak: 0.2722 |
|
- Accuracy Pork: 0.0 |
|
- Accuracy Chicken duck: 0.4405 |
|
- Accuracy Sausage: nan |
|
- Accuracy Fried meat: 0.0 |
|
- Accuracy Lamb: nan |
|
- Accuracy Sauce: 0.0336 |
|
- Accuracy Crab: nan |
|
- Accuracy Fish: 0.0 |
|
- Accuracy Shellfish: nan |
|
- Accuracy Shrimp: nan |
|
- Accuracy Soup: 0.0 |
|
- Accuracy Bread: 0.9251 |
|
- Accuracy Corn: 0.8612 |
|
- Accuracy Hamburg: nan |
|
- Accuracy Pizza: nan |
|
- Accuracy hanamaki baozi: nan |
|
- Accuracy Wonton dumplings: nan |
|
- Accuracy Pasta: nan |
|
- Accuracy Noodles: nan |
|
- Accuracy Rice: 0.9597 |
|
- Accuracy Pie: 0.0803 |
|
- Accuracy Tofu: nan |
|
- Accuracy Eggplant: nan |
|
- Accuracy Potato: 0.0025 |
|
- Accuracy Garlic: nan |
|
- Accuracy Cauliflower: 0.0 |
|
- Accuracy Tomato: 0.9197 |
|
- Accuracy Kelp: nan |
|
- Accuracy Seaweed: nan |
|
- Accuracy Spring onion: nan |
|
- Accuracy Rape: nan |
|
- Accuracy Ginger: nan |
|
- Accuracy Okra: nan |
|
- Accuracy Lettuce: 0.0 |
|
- Accuracy Pumpkin: nan |
|
- Accuracy Cucumber: 0.0 |
|
- Accuracy White radish: nan |
|
- Accuracy Carrot: 0.7713 |
|
- Accuracy Asparagus: 0.0 |
|
- Accuracy Bamboo shoots: nan |
|
- Accuracy Broccoli: 0.8238 |
|
- Accuracy Celery stick: 0.0 |
|
- Accuracy Cilantro mint: 0.0042 |
|
- Accuracy Snow peas: nan |
|
- Accuracy cabbage: nan |
|
- Accuracy Bean sprouts: nan |
|
- Accuracy Onion: 0.0 |
|
- Accuracy Pepper: nan |
|
- Accuracy Green beans: nan |
|
- Accuracy French beans: 0.0 |
|
- Accuracy King oyster mushroom: nan |
|
- Accuracy Shiitake: nan |
|
- Accuracy Enoki mushroom: nan |
|
- Accuracy Oyster mushroom: nan |
|
- Accuracy White button mushroom: 0.0 |
|
- Accuracy Salad: nan |
|
- Accuracy Other ingredients: nan |
|
- Iou Background: 0.0 |
|
- Iou Candy: nan |
|
- Iou Egg tart: nan |
|
- Iou French fries: 0.0 |
|
- Iou Chocolate: 0.0 |
|
- 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: 0.0 |
|
- 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: 0.0 |
|
- Iou Strawberry: 0.0028 |
|
- Iou Cherry: nan |
|
- Iou Blueberry: nan |
|
- Iou Raspberry: nan |
|
- Iou Mango: nan |
|
- Iou Olives: nan |
|
- Iou Peach: nan |
|
- Iou Lemon: 0.0 |
|
- Iou Pear: nan |
|
- Iou Fig: nan |
|
- Iou Pineapple: 0.0 |
|
- Iou Grape: nan |
|
- Iou Kiwi: nan |
|
- Iou Melon: nan |
|
- Iou Orange: 0.0124 |
|
- Iou Watermelon: nan |
|
- Iou Steak: 0.1972 |
|
- Iou Pork: 0.0 |
|
- Iou Chicken duck: 0.1551 |
|
- Iou Sausage: nan |
|
- Iou Fried meat: 0.0 |
|
- Iou Lamb: nan |
|
- Iou Sauce: 0.0217 |
|
- Iou Crab: nan |
|
- Iou Fish: 0.0 |
|
- Iou Shellfish: nan |
|
- Iou Shrimp: nan |
|
- Iou Soup: 0.0 |
|
- Iou Bread: 0.3244 |
|
- Iou Corn: 0.8612 |
|
- Iou Hamburg: nan |
|
- Iou Pizza: nan |
|
- Iou hanamaki baozi: nan |
|
- Iou Wonton dumplings: nan |
|
- Iou Pasta: nan |
|
- Iou Noodles: nan |
|
- Iou Rice: 0.1760 |
|
- Iou Pie: 0.0180 |
|
- Iou Tofu: nan |
|
- Iou Eggplant: nan |
|
- Iou Potato: 0.0011 |
|
- Iou Garlic: nan |
|
- Iou Cauliflower: 0.0 |
|
- Iou Tomato: 0.1271 |
|
- Iou Kelp: nan |
|
- Iou Seaweed: nan |
|
- Iou Spring onion: nan |
|
- Iou Rape: nan |
|
- Iou Ginger: nan |
|
- Iou Okra: nan |
|
- Iou Lettuce: 0.0 |
|
- Iou Pumpkin: nan |
|
- Iou Cucumber: 0.0 |
|
- Iou White radish: nan |
|
- Iou Carrot: 0.6337 |
|
- Iou Asparagus: 0.0 |
|
- Iou Bamboo shoots: nan |
|
- Iou Broccoli: 0.3690 |
|
- Iou Celery stick: 0.0 |
|
- Iou Cilantro mint: 0.0042 |
|
- Iou Snow peas: nan |
|
- Iou cabbage: nan |
|
- Iou Bean sprouts: nan |
|
- Iou Onion: 0.0 |
|
- Iou Pepper: 0.0 |
|
- Iou Green beans: nan |
|
- 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: 0.0 |
|
- Iou Salad: nan |
|
- Iou Other ingredients: nan |
|
|
|
## 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: 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 | |
|
|:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:--------------:|:-----------------:|:---------------------:|:------------------:|:----------------:|:----------------:|:----------------:|:------------------:|:----------------------:|:-------------:|:-------------:|:------------------:|:---------------:|:--------------:|:-------------:|:------------:|:---------------:|:------------------:|:---------------:|:--------------------------:|:------------:|:---------------:|:---------------:|:------------:|:--------------:|:-------------:|:----------------:|:----------------:|:---------------:|:-------------------:|:---------------:|:------------------:|:------------------:|:--------------:|:---------------:|:--------------:|:--------------:|:-------------:|:------------:|:------------------:|:--------------:|:-------------:|:--------------:|:---------------:|:-------------------:|:--------------:|:-------------:|:---------------------:|:----------------:|:-------------------:|:-------------:|:--------------:|:-------------:|:-------------:|:------------------:|:---------------:|:-------------:|:--------------:|:-------------:|:----------------:|:--------------:|:------------------------:|:-------------------------:|:--------------:|:----------------:|:-------------:|:------------:|:-------------:|:-----------------:|:---------------:|:---------------:|:--------------------:|:---------------:|:-------------:|:----------------:|:---------------------:|:-------------:|:---------------:|:-------------:|:----------------:|:----------------:|:-----------------:|:---------------------:|:---------------:|:------------------:|:----------------------:|:-----------------:|:---------------------:|:----------------------:|:------------------:|:-----------------:|:---------------------:|:--------------:|:---------------:|:--------------------:|:---------------------:|:-----------------------------:|:-----------------:|:-----------------------:|:------------------------:|:------------------------------:|:--------------:|:--------------------------:|:--------------:|:---------:|:------------:|:----------------:|:-------------:|:-----------:|:-----------:|:-----------:|:-------------:|:-----------------:|:--------:|:--------:|:-------------:|:----------:|:---------:|:--------:|:-------:|:----------:|:-------------:|:----------:|:---------------------:|:-------:|:----------:|:----------:|:-------:|:---------:|:--------:|:-----------:|:-----------:|:----------:|:--------------:|:----------:|:-------------:|:-------------:|:---------:|:----------:|:---------:|:---------:|:--------:|:-------:|:-------------:|:---------:|:--------:|:---------:|:----------:|:--------------:|:---------:|:--------:|:----------------:|:-----------:|:--------------:|:--------:|:---------:|:--------:|:--------:|:-------------:|:----------:|:--------:|:---------:|:--------:|:-----------:|:---------:|:-------------------:|:--------------------:|:---------:|:-----------:|:--------:|:-------:|:--------:|:------------:|:----------:|:----------:|:---------------:|:----------:|:--------:|:-----------:|:----------------:|:--------:|:----------:|:--------:|:-----------:|:-----------:|:------------:|:----------------:|:----------:|:-------------:|:-----------------:|:------------:|:----------------:|:-----------------:|:-------------:|:------------:|:----------------:|:---------:|:----------:|:---------------:|:----------------:|:------------------------:|:------------:|:------------------:|:-------------------:|:-------------------------:|:---------:|:---------------------:| |
|
| 3.1829 | 10.0 | 100 | 2.9969 | 0.0442 | 0.1289 | 0.1903 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0011 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0149 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0439 | nan | 0.0011 | 0.0 | 0.2629 | nan | 0.0 | nan | 0.0226 | nan | 0.0 | nan | nan | 0.0 | 0.9498 | 0.7303 | nan | nan | nan | nan | nan | nan | 0.5457 | 0.0050 | nan | nan | 0.0 | nan | 0.0 | 0.5701 | nan | nan | nan | nan | nan | nan | 0.0120 | nan | 0.0 | nan | 0.5662 | 0.0 | nan | 0.7966 | 0.0 | 0.0018 | nan | nan | nan | 0.0 | nan | nan | 0.2437 | nan | nan | nan | nan | 0.0021 | nan | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0011 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0143 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0167 | nan | 0.0008 | 0.0 | 0.0953 | 0.0 | 0.0 | nan | 0.0210 | nan | 0.0 | 0.0 | 0.0 | 0.0 | 0.1913 | 0.7303 | nan | nan | nan | nan | nan | 0.0 | 0.0686 | 0.0032 | nan | nan | 0.0 | nan | 0.0 | 0.1095 | nan | 0.0 | nan | nan | nan | nan | 0.0074 | nan | 0.0 | nan | 0.4240 | 0.0 | nan | 0.3995 | 0.0 | 0.0018 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0352 | nan | nan | nan | 0.0 | 0.0020 | 0.0 | nan | |
|
| 2.4226 | 20.0 | 200 | 2.4832 | 0.0572 | 0.1463 | 0.2036 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0038 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0006 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0517 | nan | 0.0 | 0.0 | 0.3696 | nan | 0.0 | nan | 0.0362 | nan | 0.0 | nan | nan | 0.0 | 0.9217 | 0.8128 | nan | nan | nan | nan | nan | nan | 0.9160 | 0.0170 | nan | nan | 0.0045 | nan | 0.0 | 0.8978 | nan | nan | nan | nan | nan | nan | 0.0277 | nan | 0.0 | nan | 0.5100 | 0.0 | nan | 0.8429 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | 0.0005 | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0038 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0006 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0501 | nan | 0.0 | 0.0 | 0.1509 | nan | 0.0 | nan | 0.0257 | nan | 0.0 | nan | nan | 0.0 | 0.2285 | 0.8128 | nan | nan | nan | nan | nan | nan | 0.0974 | 0.0074 | nan | nan | 0.0045 | nan | 0.0 | 0.1040 | nan | nan | nan | nan | nan | nan | 0.0170 | nan | 0.0 | nan | 0.3959 | 0.0 | nan | 0.3894 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0001 | nan | nan | nan | nan | 0.0 | nan | nan | |
|
| 2.0416 | 30.0 | 300 | 2.3190 | 0.0654 | 0.1581 | 0.2218 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0008 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0011 | nan | 0.0561 | 0.0 | 0.4236 | nan | 0.0 | nan | 0.0523 | nan | 0.0 | nan | nan | 0.0 | 0.9272 | 0.8698 | nan | nan | nan | nan | nan | nan | 0.9557 | 0.0533 | nan | nan | 0.0029 | nan | 0.0 | 0.9382 | nan | nan | nan | nan | nan | nan | 0.0539 | nan | 0.0 | nan | 0.6930 | 0.0 | nan | 0.8183 | 0.0 | 0.0036 | nan | nan | nan | 0.0 | nan | nan | 0.0001 | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0008 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0011 | nan | 0.0524 | 0.0 | 0.1551 | nan | 0.0 | nan | 0.0389 | nan | 0.0 | nan | nan | 0.0 | 0.3134 | 0.8698 | nan | nan | nan | nan | nan | nan | 0.1152 | 0.0125 | nan | nan | 0.0019 | nan | 0.0 | 0.1085 | nan | nan | nan | nan | nan | nan | 0.0408 | nan | 0.0 | nan | 0.5407 | 0.0 | nan | 0.3600 | 0.0 | 0.0036 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0000 | nan | nan | nan | nan | 0.0 | nan | nan | |
|
| 1.8426 | 40.0 | 400 | 2.2506 | 0.0690 | 0.1601 | 0.2263 | nan | nan | nan | 0.0 | 0.0 | 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 | 0.0 | 0.0033 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0001 | nan | 0.1714 | 0.0 | 0.4262 | nan | 0.0 | nan | 0.0335 | nan | 0.0 | nan | nan | 0.0 | 0.9367 | 0.8517 | nan | nan | nan | nan | nan | nan | 0.9650 | 0.0358 | nan | nan | 0.0 | nan | 0.0 | 0.9186 | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.7250 | 0.0 | nan | 0.8542 | 0.0 | 0.0030 | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0032 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0001 | nan | 0.1422 | 0.0 | 0.1508 | nan | 0.0 | nan | 0.0229 | nan | 0.0 | nan | nan | 0.0 | 0.2999 | 0.8517 | nan | nan | nan | nan | nan | nan | 0.1834 | 0.0081 | nan | nan | 0.0 | nan | 0.0 | 0.1171 | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.6041 | 0.0 | nan | 0.3724 | 0.0 | 0.0030 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | |
|
| 1.7476 | 50.0 | 500 | 2.1878 | 0.0726 | 0.1651 | 0.2308 | nan | nan | nan | 0.0 | 0.0 | 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 | 0.0 | 0.0028 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0129 | nan | 0.2722 | 0.0 | 0.4405 | nan | 0.0 | nan | 0.0336 | nan | 0.0 | nan | nan | 0.0 | 0.9251 | 0.8612 | nan | nan | nan | nan | nan | nan | 0.9597 | 0.0803 | nan | nan | 0.0025 | nan | 0.0 | 0.9197 | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.7713 | 0.0 | nan | 0.8238 | 0.0 | 0.0042 | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0028 | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | 0.0 | nan | nan | nan | 0.0124 | nan | 0.1972 | 0.0 | 0.1551 | nan | 0.0 | nan | 0.0217 | nan | 0.0 | nan | nan | 0.0 | 0.3244 | 0.8612 | nan | nan | nan | nan | nan | nan | 0.1760 | 0.0180 | nan | nan | 0.0011 | nan | 0.0 | 0.1271 | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.6337 | 0.0 | nan | 0.3690 | 0.0 | 0.0042 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | |
|
|
|
|
|
### Framework versions |
|
|
|
- Transformers 4.46.3 |
|
- Pytorch 2.5.1+cu121 |
|
- Datasets 3.2.0 |
|
- Tokenizers 0.20.3 |
|
|
