- Perda (Loss): 0.0398
- Precisão (Accuracy): 0.9882

## Descrição do Modelo

Mais informações são necessárias para entender completamente a descrição deste modelo.

## Usos Previstos e Limitações

Mais informações são necessárias para entender completamente os usos previstos e as limitações específicas deste modelo.

## Dados de Treinamento e Avaliação

Mais informações são necessárias para entender os detalhes dos conjuntos de dados utilizados no treinamento e avaliação deste modelo.

## Procedimento de Treinamento

### Hiperparâmetros de Treinamento

Durante o treinamento, os seguintes hiperparâmetros foram utilizados:

- Taxa de Aprendizado (learning_rate): 5e-05
- Tamanho do Lote de Treinamento (train_batch_size): 16
- Tamanho do Lote de Avaliação (eval_batch_size): 16
- Semente (seed): 42
- Acumulação de Gradientes (gradient_accumulation_steps): 2
- Tamanho Total do Lote de Treinamento (total_train_batch_size): 32
- Otimizador: Adam com betas=(0.9, 0.999) e epsilon=1e-08
- Tipo de Programador de Taxa de Aprendizado (lr_scheduler_type): Linear
- Proporção de Aquecimento do Programador de Taxa de Aprendizado (lr_scheduler_warmup_ratio): 0.9
- Número de Épocas (num_epochs): 14

### Resultados do Treinamento

| Perda de Treinamento | Época | Passo | Precisão | Perda de Validação |
|:--------------------:|:-----:|:----:|:--------:|:-------------------:|
| 0.5059               | 1.0   | 199  | 0.9001   | 0.4826              |
| 0.2533               | 2.0   | 398  | 0.9515   | 0.2124              |
| 0.2358               | 3.0   | 597  | 0.9538   | 0.1543              |
| 0.2584               | 4.0   | 796  | 0.9642   | 0.1136              |
| 0.1085               | 5.0   | 995  | 0.9746   | 0.0891              |
| 0.1007               | 6.0   | 1194 | 0.9769   | 0.0725              |
| 0.1463               | 7.0   | 1393 | 0.9840   | 0.0541              |
| 0.3564               | 8.0   | 1592 | 0.9802   | 0.0880              |
| 0.0957               | 9.0   | 1791 | 0.9656   | 0.1375              |
| 0.1481               | 10.0  | 1990 | 0.0511   | 0.9873              |
| 0.1536               | 11.0  | 2189 | 0.0827   | 0.9713              |
| 0.0458               | 12.0  | 2388 | 0.0398   | 0.9882              |
| 0.4956               | 13.0  | 2587 | 0.3474   | 0.8643              |
| 0.0801               | 14.0  | 2786 | 0.0850   | 0.9797              |

### Versões das Frameworks

- Transformers 4.31.0
- Pytorch 2.0.1+cu118
- Datasets 2.13.1
- Tokenizers 0.13.3