balanced-augmented-distilbert-base-gest-pred-seqeval-partialmatch-2

This model is a fine-tuned version of distilbert-base-cased on the None dataset. It achieves the following results on the evaluation set:

• Loss: 0.3958
• Precision: 0.9273
• Recall: 0.9067
• F1: 0.9116
• Accuracy: 0.9005

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: 2e-05
• train_batch_size: 16
• eval_batch_size: 16
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
3.1391	1.0	52	2.5842	0.1830	0.1356	0.1249	0.3087
2.1708	2.0	104	1.7976	0.3943	0.3943	0.3622	0.5473
1.5993	3.0	156	1.3522	0.5329	0.4921	0.4697	0.6482
1.2237	4.0	208	1.1070	0.6701	0.5833	0.5820	0.6923
0.9516	5.0	260	0.9920	0.7506	0.6840	0.6820	0.7501
0.7364	6.0	312	0.7888	0.8171	0.7327	0.7350	0.7815
0.5816	7.0	364	0.6753	0.8510	0.7845	0.7961	0.8256
0.4507	8.0	416	0.5905	0.8807	0.8242	0.8400	0.8550
0.3589	9.0	468	0.5305	0.9021	0.8667	0.8746	0.8702
0.2875	10.0	520	0.5081	0.9176	0.8788	0.8911	0.8834
0.2268	11.0	572	0.4599	0.9133	0.8879	0.8939	0.8863
0.1875	12.0	624	0.4347	0.9224	0.8946	0.9025	0.8942
0.1608	13.0	676	0.4497	0.9186	0.8846	0.8956	0.8873
0.1356	14.0	728	0.4271	0.9242	0.8951	0.9038	0.8932
0.1197	15.0	780	0.3958	0.9273	0.9067	0.9116	0.9005
0.1015	16.0	832	0.4060	0.9285	0.9013	0.9095	0.8991
0.0896	17.0	884	0.4023	0.9300	0.9114	0.9157	0.9040
0.0847	18.0	936	0.4041	0.9296	0.9077	0.9133	0.9005
0.0811	19.0	988	0.4069	0.9291	0.9089	0.9133	0.9005
0.0752	20.0	1040	0.4086	0.9286	0.9075	0.9129	0.8996

Framework versions

• Transformers 4.27.3
• Pytorch 1.13.1+cu116
• Datasets 2.10.1
• Tokenizers 0.13.2

LICENSE

Copyright (c) 2014, Universidad Carlos III de Madrid. Todos los derechos reservados. Este software es propiedad de la Universidad Carlos III de Madrid, grupo de investigación Robots Sociales. La Universidad Carlos III de Madrid es titular en exclusiva de los derechos de propiedad intelectual de este software. Queda prohibido cualquier uso indebido o no autorizado, entre estos, a título enunciativo pero no limitativo, la reproducción, fijación, distribución, comunicación pública, ingeniería inversa y/o transformación sobre dicho software, ya sea total o parcialmente, siendo el responsable del uso indebido o no autorizado también responsable de las consecuencias legales que pudieran derivarse de sus actos.