--- license: mit tags: - generated_from_trainer model-index: - name: lilt-en-1k_img results: [] --- # lilt-en-1k_img This model is a fine-tuned version of [SCUT-DLVCLab/lilt-roberta-en-base](https://huggingface.co/SCUT-DLVCLab/lilt-roberta-en-base) on the None dataset. It achieves the following results on the evaluation set: - Loss: 2.1240 - Able: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} - Able caption: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} - Eading: {'precision': 0.1875, 'recall': 0.125, 'f1': 0.15, 'number': 24} - Ext: {'precision': 0.7962962962962963, 'recall': 0.7962962962962963, 'f1': 0.7962962962962963, 'number': 54} - Mage: {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} - Mage caption: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} - Ub heading: {'precision': 0.5858585858585859, 'recall': 0.7435897435897436, 'f1': 0.655367231638418, 'number': 78} - Overall Precision: 0.5860 - Overall Recall: 0.5833 - Overall F1: 0.5847 - Overall Accuracy: 0.6767 ## 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 | Able | Able caption | Eading | Ext | Mage | Mage caption | Ub heading | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy | |:-------------:|:-----:|:----:|:---------------:|:-------------------------------------------------------------------------------------------:|:---------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:---------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:| | 0.8351 | 2.0 | 200 | 1.1577 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.1724137931034483, 'recall': 0.20833333333333334, 'f1': 0.18867924528301888, 'number': 24} | {'precision': 0.7321428571428571, 'recall': 0.7592592592592593, 'f1': 0.7454545454545455, 'number': 54} | {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5662650602409639, 'recall': 0.6025641025641025, 'f1': 0.5838509316770186, 'number': 78} | 0.5476 | 0.5324 | 0.5399 | 0.6567 | | 0.5827 | 4.0 | 400 | 1.7815 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.23076923076923078, 'recall': 0.125, 'f1': 0.16216216216216217, 'number': 24} | {'precision': 0.5166666666666667, 'recall': 0.5740740740740741, 'f1': 0.543859649122807, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5789473684210527, 'recall': 0.5641025641025641, 'f1': 0.5714285714285715, 'number': 78} | 0.4462 | 0.4028 | 0.4234 | 0.52 | | 0.4593 | 6.0 | 600 | 1.9964 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.16666666666666666, 'recall': 0.20833333333333334, 'f1': 0.1851851851851852, 'number': 24} | {'precision': 0.7547169811320755, 'recall': 0.7407407407407407, 'f1': 0.7476635514018692, 'number': 54} | {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5641025641025641, 'recall': 0.5641025641025641, 'f1': 0.5641025641025641, 'number': 78} | 0.5441 | 0.5139 | 0.5286 | 0.6467 | | 0.4241 | 8.0 | 800 | 1.6445 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.23529411764705882, 'recall': 0.16666666666666666, 'f1': 0.19512195121951217, 'number': 24} | {'precision': 0.6666666666666666, 'recall': 0.7407407407407407, 'f1': 0.7017543859649122, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.6410256410256411, 'recall': 0.6410256410256411, 'f1': 0.6410256410256411, 'number': 78} | 0.515 | 0.4769 | 0.4952 | 0.56 | | 0.3912 | 10.0 | 1000 | 1.9949 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.2727272727272727, 'recall': 0.125, 'f1': 0.17142857142857143, 'number': 24} | {'precision': 0.5892857142857143, 'recall': 0.6111111111111112, 'f1': 0.6, 'number': 54} | {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.6190476190476191, 'recall': 0.6666666666666666, 'f1': 0.6419753086419754, 'number': 78} | 0.5612 | 0.5093 | 0.5340 | 0.6733 | | 0.404 | 12.0 | 1200 | 1.8376 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.25, 'recall': 0.16666666666666666, 'f1': 0.2, 'number': 24} | {'precision': 0.7592592592592593, 'recall': 0.7592592592592593, 'f1': 0.7592592592592593, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.6304347826086957, 'recall': 0.7435897435897436, 'f1': 0.6823529411764706, 'number': 78} | 0.5411 | 0.5185 | 0.5296 | 0.5733 | | 0.3941 | 14.0 | 1400 | 2.1137 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.2727272727272727, 'recall': 0.125, 'f1': 0.17142857142857143, 'number': 24} | {'precision': 0.6226415094339622, 'recall': 0.6111111111111112, 'f1': 0.616822429906542, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.625, 'recall': 0.7051282051282052, 'f1': 0.6626506024096386, 'number': 78} | 0.5102 | 0.4630 | 0.4854 | 0.56 | | 0.3963 | 16.0 | 1600 | 1.9659 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.375, 'recall': 0.125, 'f1': 0.1875, 'number': 24} | {'precision': 0.6909090909090909, 'recall': 0.7037037037037037, 'f1': 0.6972477064220184, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.638095238095238, 'recall': 0.8589743589743589, 'f1': 0.7322404371584699, 'number': 78} | 0.5571 | 0.5417 | 0.5493 | 0.5967 | | 0.3929 | 18.0 | 1800 | 2.5380 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.25, 'recall': 0.125, 'f1': 0.16666666666666666, 'number': 24} | {'precision': 0.5254237288135594, 'recall': 0.5740740740740741, 'f1': 0.5486725663716815, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5833333333333334, 'recall': 0.5384615384615384, 'f1': 0.5599999999999999, 'number': 78} | 0.4474 | 0.3935 | 0.4187 | 0.5233 | | 0.3895 | 20.0 | 2000 | 2.2060 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.1875, 'recall': 0.125, 'f1': 0.15, 'number': 24} | {'precision': 0.7142857142857143, 'recall': 0.7407407407407407, 'f1': 0.7272727272727273, 'number': 54} | {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5894736842105263, 'recall': 0.717948717948718, 'f1': 0.6473988439306358, 'number': 78} | 0.5708 | 0.5602 | 0.5654 | 0.67 | | 0.3783 | 22.0 | 2200 | 2.2297 | {'precision': 0.21428571428571427, 'recall': 0.45, 'f1': 0.29032258064516125, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.1875, 'recall': 0.125, 'f1': 0.15, 'number': 24} | {'precision': 0.7142857142857143, 'recall': 0.7407407407407407, 'f1': 0.7272727272727273, 'number': 54} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5851063829787234, 'recall': 0.7051282051282052, 'f1': 0.6395348837209303, 'number': 78} | 0.5047 | 0.4954 | 0.5 | 0.5467 | | 0.3833 | 24.0 | 2400 | 2.1240 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.1875, 'recall': 0.125, 'f1': 0.15, 'number': 24} | {'precision': 0.7962962962962963, 'recall': 0.7962962962962963, 'f1': 0.7962962962962963, 'number': 54} | {'precision': 0.5238095238095238, 'recall': 0.6666666666666666, 'f1': 0.5866666666666667, 'number': 33} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.5858585858585859, 'recall': 0.7435897435897436, 'f1': 0.655367231638418, 'number': 78} | 0.5860 | 0.5833 | 0.5847 | 0.6767 | ### Framework versions - Transformers 4.28.1 - Pytorch 2.0.0+cu117 - Datasets 2.11.0 - Tokenizers 0.13.3