meeting-sensai-2

This model is a fine-tuned version of raquelclemente/meeting-sensai on the None dataset. It achieves the following results on the evaluation set:

• Loss: 2.7555
• Rouge1: 0.3039
• Rouge2: 0.1453
• Rougel: 0.2534
• Rougelsum: 0.2529

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: 0.0005
• train_batch_size: 2
• eval_batch_size: 2
• seed: 42
• gradient_accumulation_steps: 16
• total_train_batch_size: 32
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 5
• num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum
No log	0.09	30	3.1865	0.1936	0.0509	0.1606	0.1611
No log	0.18	60	2.9928	0.2636	0.0961	0.1951	0.1969
No log	0.28	90	2.9472	0.2667	0.0921	0.2097	0.2115
No log	0.37	120	2.8506	0.2755	0.1151	0.2243	0.2243
No log	0.46	150	2.8883	0.2505	0.1134	0.2057	0.2056
No log	0.55	180	2.8464	0.2946	0.1229	0.2449	0.2446
No log	0.65	210	2.8274	0.2668	0.1005	0.2112	0.2120
No log	0.74	240	2.8153	0.2960	0.1268	0.2392	0.2384
No log	0.83	270	2.7803	0.2940	0.1203	0.2323	0.2312
No log	0.92	300	2.8129	0.2966	0.1083	0.2447	0.2444
No log	1.02	330	2.7478	0.2977	0.1152	0.2388	0.2382
No log	1.11	360	2.7482	0.2905	0.1135	0.2379	0.2369
No log	1.2	390	2.7646	0.3215	0.1260	0.2590	0.2594
No log	1.29	420	2.7763	0.3164	0.1273	0.2536	0.2524
No log	1.38	450	2.8300	0.2867	0.1198	0.2182	0.2186
No log	1.48	480	2.7683	0.3313	0.1567	0.2647	0.2643
2.7437	1.57	510	2.7669	0.3004	0.1313	0.2545	0.2541
2.7437	1.66	540	2.7242	0.2960	0.1394	0.2404	0.2409
2.7437	1.75	570	2.7565	0.3042	0.1172	0.2475	0.2463
2.7437	1.85	600	2.7866	0.2994	0.1300	0.2375	0.2373
2.7437	1.94	630	2.7293	0.3122	0.1306	0.2611	0.2581
2.7437	2.03	660	2.7398	0.3194	0.1314	0.2504	0.2506
2.7437	2.12	690	2.7183	0.3109	0.1374	0.2591	0.2588
2.7437	2.22	720	2.7929	0.3184	0.1454	0.2562	0.2562
2.7437	2.31	750	2.8156	0.3360	0.1566	0.2613	0.2611
2.7437	2.4	780	2.7750	0.3125	0.1364	0.2496	0.2494
2.7437	2.49	810	2.8071	0.2928	0.1434	0.2501	0.2491
2.7437	2.58	840	2.7322	0.3043	0.1403	0.2488	0.2484
2.7437	2.68	870	2.7449	0.3006	0.1437	0.2521	0.2516
2.7437	2.77	900	2.7425	0.3029	0.1479	0.2545	0.2543
2.7437	2.86	930	2.7242	0.3028	0.1355	0.2318	0.2307
2.7437	2.95	960	2.7232	0.3100	0.1474	0.2449	0.2443
2.7437	3.05	990	2.7787	0.3036	0.1457	0.2465	0.2467
2.1872	3.14	1020	2.7759	0.2957	0.1371	0.2394	0.2375
2.1872	3.23	1050	2.7896	0.3105	0.1391	0.2403	0.2375
2.1872	3.32	1080	2.7724	0.3121	0.1498	0.2452	0.2453
2.1872	3.42	1110	2.7639	0.3204	0.1534	0.2556	0.2563
2.1872	3.51	1140	2.7673	0.3103	0.1541	0.2529	0.2521
2.1872	3.6	1170	2.7644	0.3059	0.1399	0.2450	0.2448
2.1872	3.69	1200	2.7443	0.3186	0.1484	0.2554	0.2562
2.1872	3.78	1230	2.7517	0.3045	0.1444	0.2522	0.2519
2.1872	3.88	1260	2.7501	0.3039	0.1453	0.2534	0.2529
2.1872	3.97	1290	2.7555	0.3039	0.1453	0.2534	0.2529

Framework versions

• Transformers 4.26.1
• Pytorch 1.13.0
• Datasets 2.1.0
• Tokenizers 0.13.2