File size: 6,746 Bytes
00f4a0d 9a9e438 00f4a0d 9a9e438 00f4a0d 9a9e438 00f4a0d bea9526 00f4a0d 9a9e438 00f4a0d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 |
---
license: mit
base_model: microsoft/layoutlm-base-uncased
tags:
- generated_from_trainer
datasets:
- my_funsd
model-index:
- name: layoutlm-funsd1
results: []
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# layoutlm-funsd1
This model is a fine-tuned version of [microsoft/layoutlm-base-uncased](https://huggingface.co/microsoft/layoutlm-base-uncased) on the my_funsd dataset.
It achieves the following results on the evaluation set:
- Loss: 1.0974
- Answer: {'precision': 0.5384615384615384, 'recall': 0.4666666666666667, 'f1': 0.5, 'number': 15}
- Header: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
- Question: {'precision': 0.3333333333333333, 'recall': 0.13333333333333333, 'f1': 0.19047619047619044, 'number': 15}
- Overall Precision: 0.4737
- Overall Recall: 0.2903
- Overall F1: 0.36
- Overall Accuracy: 0.6937
## 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: 3e-05
- train_batch_size: 16
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 10
- mixed_precision_training: Native AMP
### Training results
| Training Loss | Epoch | Step | Validation Loss | Answer | Header | Question | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
|:-------------:|:-----:|:----:|:---------------:|:--------------------------------------------------------------------------------------------------------:|:-----------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
| 1.9267 | 1.0 | 1 | 1.9079 | {'precision': 0.3125, 'recall': 0.3333333333333333, 'f1': 0.3225806451612903, 'number': 15} | {'precision': 0.07692307692307693, 'recall': 1.0, 'f1': 0.14285714285714288, 'number': 1} | {'precision': 0.21052631578947367, 'recall': 0.26666666666666666, 'f1': 0.23529411764705882, 'number': 15} | 0.2083 | 0.3226 | 0.2532 | 0.2523 |
| 1.9277 | 2.0 | 2 | 1.7357 | {'precision': 0.42857142857142855, 'recall': 0.4, 'f1': 0.4137931034482759, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.2222222222222222, 'recall': 0.13333333333333333, 'f1': 0.16666666666666669, 'number': 15} | 0.3333 | 0.2581 | 0.2909 | 0.4144 |
| 1.7536 | 3.0 | 3 | 1.5947 | {'precision': 0.3333333333333333, 'recall': 0.26666666666666666, 'f1': 0.2962962962962963, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.2353 | 0.1290 | 0.1667 | 0.4955 |
| 1.6284 | 4.0 | 4 | 1.4767 | {'precision': 0.3333333333333333, 'recall': 0.26666666666666666, 'f1': 0.2962962962962963, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.2667 | 0.1290 | 0.1739 | 0.5586 |
| 1.5334 | 5.0 | 5 | 1.3768 | {'precision': 0.4166666666666667, 'recall': 0.3333333333333333, 'f1': 0.3703703703703704, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.3125 | 0.1613 | 0.2128 | 0.6036 |
| 1.4284 | 6.0 | 6 | 1.2919 | {'precision': 0.5454545454545454, 'recall': 0.4, 'f1': 0.4615384615384615, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.375 | 0.1935 | 0.2553 | 0.6216 |
| 1.3646 | 7.0 | 7 | 1.2220 | {'precision': 0.5454545454545454, 'recall': 0.4, 'f1': 0.4615384615384615, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.375 | 0.1935 | 0.2553 | 0.6577 |
| 1.3005 | 8.0 | 8 | 1.1665 | {'precision': 0.5384615384615384, 'recall': 0.4666666666666667, 'f1': 0.5, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 15} | 0.3889 | 0.2258 | 0.2857 | 0.6667 |
| 1.2501 | 9.0 | 9 | 1.1250 | {'precision': 0.5384615384615384, 'recall': 0.4666666666666667, 'f1': 0.5, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.16666666666666666, 'recall': 0.06666666666666667, 'f1': 0.09523809523809522, 'number': 15} | 0.4211 | 0.2581 | 0.3200 | 0.6847 |
| 1.1952 | 10.0 | 10 | 1.0974 | {'precision': 0.5384615384615384, 'recall': 0.4666666666666667, 'f1': 0.5, 'number': 15} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.3333333333333333, 'recall': 0.13333333333333333, 'f1': 0.19047619047619044, 'number': 15} | 0.4737 | 0.2903 | 0.36 | 0.6937 |
### Framework versions
- Transformers 4.41.2
- Pytorch 2.3.1+cu121
- Datasets 2.19.2
- Tokenizers 0.19.1
|