Edit model card

lilt_test

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: 0.1019
  • Escription: {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83}
  • Otalprice: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82}
  • Rice: {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16}
  • Roductcode: {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13}
  • Uantity: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35}
  • Uantityunit: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}
  • Overall Precision: 0.9723
  • Overall Recall: 0.9762
  • Overall F1: 0.9743
  • Overall Accuracy: 0.9837

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
  • distributed_type: multi-GPU
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • training_steps: 10000
  • mixed_precision_training: Native AMP

Training results

Training Loss Epoch Step Validation Loss Escription Otalprice Rice Roductcode Uantity Uantityunit Overall Precision Overall Recall Overall F1 Overall Accuracy
0.0859 22.22 200 0.1019 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0001 44.44 400 0.1082 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0001 66.67 600 0.1144 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0001 88.89 800 0.1190 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 111.11 1000 0.1249 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 133.33 1200 0.1293 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 155.56 1400 0.1313 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 177.78 1600 0.1337 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 200.0 1800 0.1364 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 222.22 2000 0.1380 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 244.44 2200 0.1406 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 266.67 2400 0.1415 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 288.89 2600 0.1436 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 311.11 2800 0.1463 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 333.33 3000 0.1483 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 355.56 3200 0.1490 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 377.78 3400 0.1498 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 400.0 3600 0.1503 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 422.22 3800 0.1518 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 444.44 4000 0.1534 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 466.67 4200 0.1552 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 488.89 4400 0.1567 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 511.11 4600 0.1580 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 533.33 4800 0.1612 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 555.56 5000 0.1635 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 577.78 5200 0.1651 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 600.0 5400 0.1665 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 622.22 5600 0.1679 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 644.44 5800 0.1691 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 666.67 6000 0.1703 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 688.89 6200 0.1714 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 711.11 6400 0.1726 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 733.33 6600 0.1723 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 755.56 6800 0.1728 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 777.78 7000 0.1741 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 800.0 7200 0.1753 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 822.22 7400 0.1767 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 844.44 7600 0.1777 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 866.67 7800 0.1783 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 888.89 8000 0.1797 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 911.11 8200 0.1801 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 933.33 8400 0.1804 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 955.56 8600 0.1809 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 977.78 8800 0.1816 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1000.0 9000 0.1825 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1022.22 9200 0.1826 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1044.44 9400 0.1835 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1066.67 9600 0.1836 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1088.89 9800 0.1841 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837
0.0 1111.11 10000 0.1839 {'precision': 0.9878048780487805, 'recall': 0.9759036144578314, 'f1': 0.9818181818181818, 'number': 83} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 82} {'precision': 0.7619047619047619, 'recall': 1.0, 'f1': 0.8648648648648648, 'number': 16} {'precision': 0.9, 'recall': 0.6923076923076923, 'f1': 0.7826086956521738, 'number': 13} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 35} {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23} 0.9723 0.9762 0.9743 0.9837

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.18.0
  • Tokenizers 0.15.2
Downloads last month
9
Safetensors
Model size
130M params
Tensor type
F32
·
Inference Examples
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 Yazawa/lilt_test

Finetuned
(44)
this model