Hugging Face's logo

sumeyya
/
segformer-b0-finetuned-Eduardo-food103-GOOGLE100

Image Segmentation
Transformers
TensorBoard
Safetensors
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Metrics Community
sumeyya commited on
Commit
36a7a6b
•
1 Parent(s): e6b9bcb

End of training

Browse files
Files changed (4) hide show
  1. README.md +77 -77
  2. model.safetensors +1 -1
  3. runs/Dec17_07-33-45_9a5cce3f87e4/events.out.tfevents.1734420881.9a5cce3f87e4.776.0 +3 -0
  4. training_args.bin +1 -1
README.md CHANGED
@@ -18,21 +18,21 @@ should probably proofread and complete it, then remove this comment. -->
18
 
19
  This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the EduardoPacheco/FoodSeg103 dataset.
20
  It achieves the following results on the evaluation set:
21
- - Loss: 2.1878
22
- - Mean Iou: 0.0726
23
- - Mean Accuracy: 0.1651
24
- - Overall Accuracy: 0.2308
25
  - Accuracy Background: nan
26
  - Accuracy Candy: nan
27
  - Accuracy Egg tart: nan
28
- - Accuracy French fries: 0.0
29
- - Accuracy Chocolate: 0.0
30
  - Accuracy Biscuit: 0.0
31
  - Accuracy Popcorn: nan
32
  - Accuracy Pudding: nan
33
  - Accuracy Ice cream: 0.0
34
  - Accuracy Cheese butter: 0.0
35
- - Accuracy Cake: 0.0
36
  - Accuracy Wine: nan
37
  - Accuracy Milkshake: nan
38
  - Accuracy Coffee: nan
@@ -51,86 +51,86 @@ It achieves the following results on the evaluation set:
51
  - Accuracy Date: nan
52
  - Accuracy Apricot: nan
53
  - Accuracy Avocado: 0.0
54
- - Accuracy Banana: 0.0
55
- - Accuracy Strawberry: 0.0028
56
  - Accuracy Cherry: nan
57
- - Accuracy Blueberry: nan
58
  - Accuracy Raspberry: nan
59
  - Accuracy Mango: nan
60
  - Accuracy Olives: nan
61
  - Accuracy Peach: nan
62
- - Accuracy Lemon: 0.0
63
  - Accuracy Pear: nan
64
  - Accuracy Fig: nan
65
- - Accuracy Pineapple: 0.0
66
- - Accuracy Grape: nan
67
- - Accuracy Kiwi: nan
68
  - Accuracy Melon: nan
69
- - Accuracy Orange: 0.0129
70
  - Accuracy Watermelon: nan
71
- - Accuracy Steak: 0.2722
72
- - Accuracy Pork: 0.0
73
- - Accuracy Chicken duck: 0.4405
74
- - Accuracy Sausage: nan
75
- - Accuracy Fried meat: 0.0
76
  - Accuracy Lamb: nan
77
- - Accuracy Sauce: 0.0336
78
  - Accuracy Crab: nan
79
  - Accuracy Fish: 0.0
80
  - Accuracy Shellfish: nan
81
  - Accuracy Shrimp: nan
82
- - Accuracy Soup: 0.0
83
- - Accuracy Bread: 0.9251
84
- - Accuracy Corn: 0.8612
85
  - Accuracy Hamburg: nan
86
  - Accuracy Pizza: nan
87
  - Accuracy hanamaki baozi: nan
88
  - Accuracy Wonton dumplings: nan
89
  - Accuracy Pasta: nan
90
  - Accuracy Noodles: nan
91
- - Accuracy Rice: 0.9597
92
- - Accuracy Pie: 0.0803
93
  - Accuracy Tofu: nan
94
  - Accuracy Eggplant: nan
95
- - Accuracy Potato: 0.0025
96
  - Accuracy Garlic: nan
97
  - Accuracy Cauliflower: 0.0
98
- - Accuracy Tomato: 0.9197
99
  - Accuracy Kelp: nan
100
  - Accuracy Seaweed: nan
101
- - Accuracy Spring onion: nan
102
  - Accuracy Rape: nan
103
  - Accuracy Ginger: nan
104
  - Accuracy Okra: nan
105
  - Accuracy Lettuce: 0.0
106
- - Accuracy Pumpkin: nan
107
  - Accuracy Cucumber: 0.0
108
  - Accuracy White radish: nan
109
- - Accuracy Carrot: 0.7713
110
- - Accuracy Asparagus: 0.0
111
  - Accuracy Bamboo shoots: nan
112
- - Accuracy Broccoli: 0.8238
113
  - Accuracy Celery stick: 0.0
114
- - Accuracy Cilantro mint: 0.0042
115
  - Accuracy Snow peas: nan
116
  - Accuracy cabbage: nan
117
  - Accuracy Bean sprouts: nan
118
  - Accuracy Onion: 0.0
119
- - Accuracy Pepper: nan
120
- - Accuracy Green beans: nan
121
- - Accuracy French beans: 0.0
122
  - Accuracy King oyster mushroom: nan
123
  - Accuracy Shiitake: nan
124
  - Accuracy Enoki mushroom: nan
125
  - Accuracy Oyster mushroom: nan
126
- - Accuracy White button mushroom: 0.0
127
  - Accuracy Salad: nan
128
- - Accuracy Other ingredients: nan
129
  - Iou Background: 0.0
130
  - Iou Candy: nan
131
  - Iou Egg tart: nan
132
- - Iou French fries: 0.0
133
- - Iou Chocolate: 0.0
134
  - Iou Biscuit: 0.0
135
  - Iou Popcorn: nan
136
  - Iou Pudding: nan
@@ -140,7 +140,7 @@ It achieves the following results on the evaluation set:
140
  - Iou Wine: nan
141
  - Iou Milkshake: nan
142
  - Iou Coffee: nan
143
- - Iou Juice: 0.0
144
  - Iou Milk: nan
145
  - Iou Tea: nan
146
  - Iou Almond: nan
@@ -155,81 +155,81 @@ It achieves the following results on the evaluation set:
155
  - Iou Date: nan
156
  - Iou Apricot: nan
157
  - Iou Avocado: 0.0
158
- - Iou Banana: 0.0
159
- - Iou Strawberry: 0.0028
160
  - Iou Cherry: nan
161
- - Iou Blueberry: nan
162
  - Iou Raspberry: nan
163
  - Iou Mango: nan
164
  - Iou Olives: nan
165
  - Iou Peach: nan
166
- - Iou Lemon: 0.0
167
  - Iou Pear: nan
168
  - Iou Fig: nan
169
- - Iou Pineapple: 0.0
170
- - Iou Grape: nan
171
- - Iou Kiwi: nan
172
  - Iou Melon: nan
173
- - Iou Orange: 0.0124
174
  - Iou Watermelon: nan
175
- - Iou Steak: 0.1972
176
- - Iou Pork: 0.0
177
- - Iou Chicken duck: 0.1551
178
- - Iou Sausage: nan
179
- - Iou Fried meat: 0.0
180
  - Iou Lamb: nan
181
- - Iou Sauce: 0.0217
182
  - Iou Crab: nan
183
  - Iou Fish: 0.0
184
  - Iou Shellfish: nan
185
  - Iou Shrimp: nan
186
- - Iou Soup: 0.0
187
- - Iou Bread: 0.3244
188
- - Iou Corn: 0.8612
189
  - Iou Hamburg: nan
190
  - Iou Pizza: nan
191
  - Iou hanamaki baozi: nan
192
  - Iou Wonton dumplings: nan
193
  - Iou Pasta: nan
194
  - Iou Noodles: nan
195
- - Iou Rice: 0.1760
196
- - Iou Pie: 0.0180
197
  - Iou Tofu: nan
198
  - Iou Eggplant: nan
199
- - Iou Potato: 0.0011
200
  - Iou Garlic: nan
201
  - Iou Cauliflower: 0.0
202
- - Iou Tomato: 0.1271
203
  - Iou Kelp: nan
204
  - Iou Seaweed: nan
205
- - Iou Spring onion: nan
206
  - Iou Rape: nan
207
  - Iou Ginger: nan
208
  - Iou Okra: nan
209
  - Iou Lettuce: 0.0
210
- - Iou Pumpkin: nan
211
  - Iou Cucumber: 0.0
212
  - Iou White radish: nan
213
- - Iou Carrot: 0.6337
214
  - Iou Asparagus: 0.0
215
  - Iou Bamboo shoots: nan
216
- - Iou Broccoli: 0.3690
217
  - Iou Celery stick: 0.0
218
- - Iou Cilantro mint: 0.0042
219
  - Iou Snow peas: nan
220
  - Iou cabbage: nan
221
  - Iou Bean sprouts: nan
222
  - Iou Onion: 0.0
223
  - Iou Pepper: 0.0
224
- - Iou Green beans: nan
225
  - Iou French beans: 0.0
226
  - Iou King oyster mushroom: nan
227
  - Iou Shiitake: nan
228
  - Iou Enoki mushroom: nan
229
  - Iou Oyster mushroom: nan
230
- - Iou White button mushroom: 0.0
231
  - Iou Salad: nan
232
- - Iou Other ingredients: nan
233
 
234
  ## Model description
235
 
@@ -248,7 +248,7 @@ More information needed
248
  ### Training hyperparameters
249
 
250
  The following hyperparameters were used during training:
251
- - learning_rate: 6e-05
252
  - train_batch_size: 8
253
  - eval_batch_size: 8
254
  - seed: 42
@@ -260,11 +260,11 @@ The following hyperparameters were used during training:
260
 
261
  | 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 |
262
  |:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:--------------:|:-----------------:|:---------------------:|:------------------:|:----------------:|:----------------:|:----------------:|:------------------:|:----------------------:|:-------------:|:-------------:|:------------------:|:---------------:|:--------------:|:-------------:|:------------:|:---------------:|:------------------:|:---------------:|:--------------------------:|:------------:|:---------------:|:---------------:|:------------:|:--------------:|:-------------:|:----------------:|:----------------:|:---------------:|:-------------------:|:---------------:|:------------------:|:------------------:|:--------------:|:---------------:|:--------------:|:--------------:|:-------------:|:------------:|:------------------:|:--------------:|:-------------:|:--------------:|:---------------:|:-------------------:|:--------------:|:-------------:|:---------------------:|:----------------:|:-------------------:|:-------------:|:--------------:|:-------------:|:-------------:|:------------------:|:---------------:|:-------------:|:--------------:|:-------------:|:----------------:|:--------------:|:------------------------:|:-------------------------:|:--------------:|:----------------:|:-------------:|:------------:|:-------------:|:-----------------:|:---------------:|:---------------:|:--------------------:|:---------------:|:-------------:|:----------------:|:---------------------:|:-------------:|:---------------:|:-------------:|:----------------:|:----------------:|:-----------------:|:---------------------:|:---------------:|:------------------:|:----------------------:|:-----------------:|:---------------------:|:----------------------:|:------------------:|:-----------------:|:---------------------:|:--------------:|:---------------:|:--------------------:|:---------------------:|:-----------------------------:|:-----------------:|:-----------------------:|:------------------------:|:------------------------------:|:--------------:|:--------------------------:|:--------------:|:---------:|:------------:|:----------------:|:-------------:|:-----------:|:-----------:|:-----------:|:-------------:|:-----------------:|:--------:|:--------:|:-------------:|:----------:|:---------:|:--------:|:-------:|:----------:|:-------------:|:----------:|:---------------------:|:-------:|:----------:|:----------:|:-------:|:---------:|:--------:|:-----------:|:-----------:|:----------:|:--------------:|:----------:|:-------------:|:-------------:|:---------:|:----------:|:---------:|:---------:|:--------:|:-------:|:-------------:|:---------:|:--------:|:---------:|:----------:|:--------------:|:---------:|:--------:|:----------------:|:-----------:|:--------------:|:--------:|:---------:|:--------:|:--------:|:-------------:|:----------:|:--------:|:---------:|:--------:|:-----------:|:---------:|:-------------------:|:--------------------:|:---------:|:-----------:|:--------:|:-------:|:--------:|:------------:|:----------:|:----------:|:---------------:|:----------:|:--------:|:-----------:|:----------------:|:--------:|:----------:|:--------:|:-----------:|:-----------:|:------------:|:----------------:|:----------:|:-------------:|:-----------------:|:------------:|:----------------:|:-----------------:|:-------------:|:------------:|:----------------:|:---------:|:----------:|:---------------:|:----------------:|:------------------------:|:------------:|:------------------:|:-------------------:|:-------------------------:|:---------:|:---------------------:|
263
- | 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 |
264
- | 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 |
265
- | 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 |
266
- | 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 |
267
- | 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 |
268
 
269
 
270
  ### Framework versions
 
18
 
19
  This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the EduardoPacheco/FoodSeg103 dataset.
20
  It achieves the following results on the evaluation set:
21
+ - Loss: 2.0228
22
+ - Mean Iou: 0.0621
23
+ - Mean Accuracy: 0.1402
24
+ - Overall Accuracy: 0.2390
25
  - Accuracy Background: nan
26
  - Accuracy Candy: nan
27
  - Accuracy Egg tart: nan
28
+ - Accuracy French fries: 0.0048
29
+ - Accuracy Chocolate: nan
30
  - Accuracy Biscuit: 0.0
31
  - Accuracy Popcorn: nan
32
  - Accuracy Pudding: nan
33
  - Accuracy Ice cream: 0.0
34
  - Accuracy Cheese butter: 0.0
35
+ - Accuracy Cake: nan
36
  - Accuracy Wine: nan
37
  - Accuracy Milkshake: nan
38
  - Accuracy Coffee: nan
 
51
  - Accuracy Date: nan
52
  - Accuracy Apricot: nan
53
  - Accuracy Avocado: 0.0
54
+ - Accuracy Banana: nan
55
+ - Accuracy Strawberry: nan
56
  - Accuracy Cherry: nan
57
+ - Accuracy Blueberry: 0.0
58
  - Accuracy Raspberry: nan
59
  - Accuracy Mango: nan
60
  - Accuracy Olives: nan
61
  - Accuracy Peach: nan
62
+ - Accuracy Lemon: 0.3528
63
  - Accuracy Pear: nan
64
  - Accuracy Fig: nan
65
+ - Accuracy Pineapple: nan
66
+ - Accuracy Grape: 0.0
67
+ - Accuracy Kiwi: 0.0
68
  - Accuracy Melon: nan
69
+ - Accuracy Orange: 0.0326
70
  - Accuracy Watermelon: nan
71
+ - Accuracy Steak: nan
72
+ - Accuracy Pork: 0.1314
73
+ - Accuracy Chicken duck: 0.2786
74
+ - Accuracy Sausage: 0.0
75
+ - Accuracy Fried meat: nan
76
  - Accuracy Lamb: nan
77
+ - Accuracy Sauce: 0.0907
78
  - Accuracy Crab: nan
79
  - Accuracy Fish: 0.0
80
  - Accuracy Shellfish: nan
81
  - Accuracy Shrimp: nan
82
+ - Accuracy Soup: nan
83
+ - Accuracy Bread: 0.5107
84
+ - Accuracy Corn: nan
85
  - Accuracy Hamburg: nan
86
  - Accuracy Pizza: nan
87
  - Accuracy hanamaki baozi: nan
88
  - Accuracy Wonton dumplings: nan
89
  - Accuracy Pasta: nan
90
  - Accuracy Noodles: nan
91
+ - Accuracy Rice: 0.8496
92
+ - Accuracy Pie: 0.0
93
  - Accuracy Tofu: nan
94
  - Accuracy Eggplant: nan
95
+ - Accuracy Potato: 0.4847
96
  - Accuracy Garlic: nan
97
  - Accuracy Cauliflower: 0.0
98
+ - Accuracy Tomato: 0.3533
99
  - Accuracy Kelp: nan
100
  - Accuracy Seaweed: nan
101
+ - Accuracy Spring onion: 0.0
102
  - Accuracy Rape: nan
103
  - Accuracy Ginger: nan
104
  - Accuracy Okra: nan
105
  - Accuracy Lettuce: 0.0
106
+ - Accuracy Pumpkin: 0.0
107
  - Accuracy Cucumber: 0.0
108
  - Accuracy White radish: nan
109
+ - Accuracy Carrot: 0.7820
110
+ - Accuracy Asparagus: nan
111
  - Accuracy Bamboo shoots: nan
112
+ - Accuracy Broccoli: 0.8968
113
  - Accuracy Celery stick: 0.0
114
+ - Accuracy Cilantro mint: 0.0
115
  - Accuracy Snow peas: nan
116
  - Accuracy cabbage: nan
117
  - Accuracy Bean sprouts: nan
118
  - Accuracy Onion: 0.0
119
+ - Accuracy Pepper: 0.0
120
+ - Accuracy Green beans: 0.0
121
+ - Accuracy French beans: nan
122
  - Accuracy King oyster mushroom: nan
123
  - Accuracy Shiitake: nan
124
  - Accuracy Enoki mushroom: nan
125
  - Accuracy Oyster mushroom: nan
126
+ - Accuracy White button mushroom: nan
127
  - Accuracy Salad: nan
128
+ - Accuracy Other ingredients: 0.0
129
  - Iou Background: 0.0
130
  - Iou Candy: nan
131
  - Iou Egg tart: nan
132
+ - Iou French fries: 0.0043
133
+ - Iou Chocolate: nan
134
  - Iou Biscuit: 0.0
135
  - Iou Popcorn: nan
136
  - Iou Pudding: nan
 
140
  - Iou Wine: nan
141
  - Iou Milkshake: nan
142
  - Iou Coffee: nan
143
+ - Iou Juice: nan
144
  - Iou Milk: nan
145
  - Iou Tea: nan
146
  - Iou Almond: nan
 
155
  - Iou Date: nan
156
  - Iou Apricot: nan
157
  - Iou Avocado: 0.0
158
+ - Iou Banana: nan
159
+ - Iou Strawberry: 0.0
160
  - Iou Cherry: nan
161
+ - Iou Blueberry: 0.0
162
  - Iou Raspberry: nan
163
  - Iou Mango: nan
164
  - Iou Olives: nan
165
  - Iou Peach: nan
166
+ - Iou Lemon: 0.1992
167
  - Iou Pear: nan
168
  - Iou Fig: nan
169
+ - Iou Pineapple: nan
170
+ - Iou Grape: 0.0
171
+ - Iou Kiwi: 0.0
172
  - Iou Melon: nan
173
+ - Iou Orange: 0.0326
174
  - Iou Watermelon: nan
175
+ - Iou Steak: 0.0
176
+ - Iou Pork: 0.1148
177
+ - Iou Chicken duck: 0.0950
178
+ - Iou Sausage: 0.0
179
+ - Iou Fried meat: nan
180
  - Iou Lamb: nan
181
+ - Iou Sauce: 0.0298
182
  - Iou Crab: nan
183
  - Iou Fish: 0.0
184
  - Iou Shellfish: nan
185
  - Iou Shrimp: nan
186
+ - Iou Soup: nan
187
+ - Iou Bread: 0.2608
188
+ - Iou Corn: 0.0
189
  - Iou Hamburg: nan
190
  - Iou Pizza: nan
191
  - Iou hanamaki baozi: nan
192
  - Iou Wonton dumplings: nan
193
  - Iou Pasta: nan
194
  - Iou Noodles: nan
195
+ - Iou Rice: 0.5581
196
+ - Iou Pie: 0.0
197
  - Iou Tofu: nan
198
  - Iou Eggplant: nan
199
+ - Iou Potato: 0.2434
200
  - Iou Garlic: nan
201
  - Iou Cauliflower: 0.0
202
+ - Iou Tomato: 0.2617
203
  - Iou Kelp: nan
204
  - Iou Seaweed: nan
205
+ - Iou Spring onion: 0.0
206
  - Iou Rape: nan
207
  - Iou Ginger: nan
208
  - Iou Okra: nan
209
  - Iou Lettuce: 0.0
210
+ - Iou Pumpkin: 0.0
211
  - Iou Cucumber: 0.0
212
  - Iou White radish: nan
213
+ - Iou Carrot: 0.5110
214
  - Iou Asparagus: 0.0
215
  - Iou Bamboo shoots: nan
216
+ - Iou Broccoli: 0.2335
217
  - Iou Celery stick: 0.0
218
+ - Iou Cilantro mint: 0.0
219
  - Iou Snow peas: nan
220
  - Iou cabbage: nan
221
  - Iou Bean sprouts: nan
222
  - Iou Onion: 0.0
223
  - Iou Pepper: 0.0
224
+ - Iou Green beans: 0.0
225
  - Iou French beans: 0.0
226
  - Iou King oyster mushroom: nan
227
  - Iou Shiitake: nan
228
  - Iou Enoki mushroom: nan
229
  - Iou Oyster mushroom: nan
230
+ - Iou White button mushroom: nan
231
  - Iou Salad: nan
232
+ - Iou Other ingredients: 0.0
233
 
234
  ## Model description
235
 
 
248
  ### Training hyperparameters
249
 
250
  The following hyperparameters were used during training:
251
+ - learning_rate: 0.0001
252
  - train_batch_size: 8
253
  - eval_batch_size: 8
254
  - seed: 42
 
260
 
261
  | 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 |
262
  |:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:--------------:|:-----------------:|:---------------------:|:------------------:|:----------------:|:----------------:|:----------------:|:------------------:|:----------------------:|:-------------:|:-------------:|:------------------:|:---------------:|:--------------:|:-------------:|:------------:|:---------------:|:------------------:|:---------------:|:--------------------------:|:------------:|:---------------:|:---------------:|:------------:|:--------------:|:-------------:|:----------------:|:----------------:|:---------------:|:-------------------:|:---------------:|:------------------:|:------------------:|:--------------:|:---------------:|:--------------:|:--------------:|:-------------:|:------------:|:------------------:|:--------------:|:-------------:|:--------------:|:---------------:|:-------------------:|:--------------:|:-------------:|:---------------------:|:----------------:|:-------------------:|:-------------:|:--------------:|:-------------:|:-------------:|:------------------:|:---------------:|:-------------:|:--------------:|:-------------:|:----------------:|:--------------:|:------------------------:|:-------------------------:|:--------------:|:----------------:|:-------------:|:------------:|:-------------:|:-----------------:|:---------------:|:---------------:|:--------------------:|:---------------:|:-------------:|:----------------:|:---------------------:|:-------------:|:---------------:|:-------------:|:----------------:|:----------------:|:-----------------:|:---------------------:|:---------------:|:------------------:|:----------------------:|:-----------------:|:---------------------:|:----------------------:|:------------------:|:-----------------:|:---------------------:|:--------------:|:---------------:|:--------------------:|:---------------------:|:-----------------------------:|:-----------------:|:-----------------------:|:------------------------:|:------------------------------:|:--------------:|:--------------------------:|:--------------:|:---------:|:------------:|:----------------:|:-------------:|:-----------:|:-----------:|:-----------:|:-------------:|:-----------------:|:--------:|:--------:|:-------------:|:----------:|:---------:|:--------:|:-------:|:----------:|:-------------:|:----------:|:---------------------:|:-------:|:----------:|:----------:|:-------:|:---------:|:--------:|:-----------:|:-----------:|:----------:|:--------------:|:----------:|:-------------:|:-------------:|:---------:|:----------:|:---------:|:---------:|:--------:|:-------:|:-------------:|:---------:|:--------:|:---------:|:----------:|:--------------:|:---------:|:--------:|:----------------:|:-----------:|:--------------:|:--------:|:---------:|:--------:|:--------:|:-------------:|:----------:|:--------:|:---------:|:--------:|:-----------:|:---------:|:-------------------:|:--------------------:|:---------:|:-----------:|:--------:|:-------:|:--------:|:------------:|:----------:|:----------:|:---------------:|:----------:|:--------:|:-----------:|:----------------:|:--------:|:----------:|:--------:|:-----------:|:-----------:|:------------:|:----------------:|:----------:|:-------------:|:-----------------:|:------------:|:----------------:|:-----------------:|:-------------:|:------------:|:----------------:|:---------:|:----------:|:---------------:|:----------------:|:------------------------:|:------------:|:------------------:|:-------------------:|:-------------------------:|:---------:|:---------------------:|
263
+ | 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 |
264
+ | 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 |
265
+ | 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 |
266
+ | 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 |
267
+ | 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 |
268
 
269
 
270
  ### Framework versions
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:d75ff8e50123b3175acc5343cdfb0454c3301d0a7aa3849023752f2b75ef053f
3
  size 14989656
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:b771685a291854ed0c3cb4806fcd06d5efae76fe4af7e28d520f1a343927e274
3
  size 14989656
runs/Dec17_07-33-45_9a5cce3f87e4/events.out.tfevents.1734420881.9a5cce3f87e4.776.0 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:14e9b43ad3f9cbf8db96c617e43a9c4a7567f51c682eceed3f7f4f9171d769ec
3
+ size 74688
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b9bf9e25b5a8f8b5a431fa93a87c4c1c518a5e52d77c0b436c6184102165e8dc
3
  size 5368
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ea560783c360660ed42005630d57a736a9aa507c3fdbbb4e7b6ce1cb1c81c3d6
3
  size 5368