lilt-en-aadhaar
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: 0.0950
- Adhaar Number: {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}
- Ame: {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13}
- Ather Name: {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3}
- Ather Name Back: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9}
- Ather Name Front Top: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4}
- Ddress Back: {'precision': 0.9032258064516129, 'recall': 0.8235294117647058, 'f1': 0.8615384615384616, 'number': 34}
- Ddress Front: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16}
- Ender: {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12}
- Ob: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13}
- Obile Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5}
- Ther: {'precision': 0.898876404494382, 'recall': 0.8791208791208791, 'f1': 0.8888888888888888, 'number': 91}
- Overall Precision: 0.9256
- Overall Recall: 0.9045
- Overall F1: 0.9149
- Overall Accuracy: 0.9923
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
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- training_steps: 2500
- mixed_precision_training: Native AMP
Training results
Training Loss | Epoch | Step | Validation Loss | Adhaar Number | Ame | Ather Name | Ather Name Back | Ather Name Front Top | Ddress Back | Ddress Front | Ender | Ob | Obile Number | Ther | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0.185 | 15.38 | 200 | 0.0832 | {'precision': 0.9090909090909091, 'recall': 1.0, 'f1': 0.9523809523809523, 'number': 20} | {'precision': 0.9166666666666666, 'recall': 0.8461538461538461, 'f1': 0.8799999999999999, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8484848484848485, 'recall': 0.8235294117647058, 'f1': 0.8358208955223881, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8539325842696629, 'recall': 0.8351648351648352, 'f1': 0.8444444444444446, 'number': 91} | 0.8940 | 0.8818 | 0.8879 | 0.9884 |
0.0034 | 30.77 | 400 | 0.0860 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.8461538461538461, 'recall': 0.8461538461538461, 'f1': 0.8461538461538461, 'number': 13} | {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8387096774193549, 'recall': 0.7647058823529411, 'f1': 0.7999999999999999, 'number': 34} | {'precision': 0.9411764705882353, 'recall': 1.0, 'f1': 0.9696969696969697, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 0.9285714285714286, 'recall': 1.0, 'f1': 0.962962962962963, 'number': 13} | {'precision': 1.0, 'recall': 0.8, 'f1': 0.888888888888889, 'number': 5} | {'precision': 0.8444444444444444, 'recall': 0.8351648351648352, 'f1': 0.839779005524862, 'number': 91} | 0.8796 | 0.8636 | 0.8716 | 0.9877 |
0.0011 | 46.15 | 600 | 0.1305 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.7692307692307693, 'recall': 0.7692307692307693, 'f1': 0.7692307692307693, 'number': 13} | {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3} | {'precision': 0.9, 'recall': 1.0, 'f1': 0.9473684210526316, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8181818181818182, 'recall': 0.7941176470588235, 'f1': 0.8059701492537314, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 0.9285714285714286, 'recall': 1.0, 'f1': 0.962962962962963, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8222222222222222, 'recall': 0.8131868131868132, 'f1': 0.8176795580110496, 'number': 91} | 0.8630 | 0.8591 | 0.8610 | 0.9854 |
0.0013 | 61.54 | 800 | 0.1075 | {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20} | {'precision': 0.8333333333333334, 'recall': 0.7692307692307693, 'f1': 0.8, 'number': 13} | {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.7878787878787878, 'recall': 0.7647058823529411, 'f1': 0.7761194029850745, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8222222222222222, 'recall': 0.8131868131868132, 'f1': 0.8176795580110496, 'number': 91} | 0.875 | 0.8591 | 0.8670 | 0.9838 |
0.001 | 76.92 | 1000 | 0.1076 | {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20} | {'precision': 0.8333333333333334, 'recall': 0.7692307692307693, 'f1': 0.8, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.9032258064516129, 'recall': 0.8235294117647058, 'f1': 0.8615384615384616, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8636363636363636, 'recall': 0.8351648351648352, 'f1': 0.8491620111731844, 'number': 91} | 0.9061 | 0.8773 | 0.8915 | 0.9892 |
0.0003 | 92.31 | 1200 | 0.0856 | {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8125, 'recall': 0.7647058823529411, 'f1': 0.787878787878788, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8555555555555555, 'recall': 0.8461538461538461, 'f1': 0.850828729281768, 'number': 91} | 0.8940 | 0.8818 | 0.8879 | 0.9884 |
0.0001 | 107.69 | 1400 | 0.0950 | {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.9032258064516129, 'recall': 0.8235294117647058, 'f1': 0.8615384615384616, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.898876404494382, 'recall': 0.8791208791208791, 'f1': 0.8888888888888888, 'number': 91} | 0.9256 | 0.9045 | 0.9149 | 0.9923 |
0.0001 | 123.08 | 1600 | 0.1075 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.8461538461538461, 'recall': 0.8461538461538461, 'f1': 0.8461538461538461, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.9032258064516129, 'recall': 0.8235294117647058, 'f1': 0.8615384615384616, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8764044943820225, 'recall': 0.8571428571428571, 'f1': 0.8666666666666666, 'number': 91} | 0.9070 | 0.8864 | 0.8966 | 0.9908 |
0.0002 | 138.46 | 1800 | 0.0919 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8484848484848485, 'recall': 0.8235294117647058, 'f1': 0.8358208955223881, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8444444444444444, 'recall': 0.8351648351648352, 'f1': 0.839779005524862, 'number': 91} | 0.8899 | 0.8818 | 0.8858 | 0.9892 |
0.0001 | 153.85 | 2000 | 0.0953 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8484848484848485, 'recall': 0.8235294117647058, 'f1': 0.8358208955223881, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8444444444444444, 'recall': 0.8351648351648352, 'f1': 0.839779005524862, 'number': 91} | 0.8899 | 0.8818 | 0.8858 | 0.9892 |
0.0001 | 169.23 | 2200 | 0.0974 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8484848484848485, 'recall': 0.8235294117647058, 'f1': 0.8358208955223881, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8444444444444444, 'recall': 0.8351648351648352, 'f1': 0.839779005524862, 'number': 91} | 0.8899 | 0.8818 | 0.8858 | 0.9892 |
0.0 | 184.62 | 2400 | 0.1008 | {'precision': 0.9047619047619048, 'recall': 0.95, 'f1': 0.9268292682926829, 'number': 20} | {'precision': 0.9230769230769231, 'recall': 0.9230769230769231, 'f1': 0.9230769230769231, 'number': 13} | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 3} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 9} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 4} | {'precision': 0.8484848484848485, 'recall': 0.8235294117647058, 'f1': 0.8358208955223881, 'number': 34} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 16} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 12} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 13} | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 5} | {'precision': 0.8444444444444444, 'recall': 0.8351648351648352, 'f1': 0.839779005524862, 'number': 91} | 0.8899 | 0.8818 | 0.8858 | 0.9892 |
Framework versions
- Transformers 4.38.2
- Pytorch 2.1.0+cu121
- Datasets 2.18.0
- Tokenizers 0.15.2
- Downloads last month
- 3
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 prashantloni/lilt-en-aadhaar
Base model
SCUT-DLVCLab/lilt-roberta-en-base