Hugging Face's logo

sumeyya
/
segformer-b0-finetuned-Eduardo-food103-GOOGLE100

Image Segmentation
Transformers
TensorBoard
Safetensors
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Metrics Community
sumeyya commited on
Commit
ed3ce53
·
verified ·
1 Parent(s): 36a7a6b

End of training

Browse files
Files changed (6) hide show
  1. README.md +97 -99
  2. model.safetensors +1 -1
  3. runs/Dec18_05-38-57_98c8b36cc089/events.out.tfevents.1734500467.98c8b36cc089.1201.0 +3 -0
  4. runs/Dec18_05-42-22_98c8b36cc089/events.out.tfevents.1734500610.98c8b36cc089.1201.1 +3 -0
  5. runs/Dec18_05-43-55_98c8b36cc089/events.out.tfevents.1734500651.98c8b36cc089.1201.2 +3 -0
  6. training_args.bin +1 -1
README.md CHANGED
@@ -18,25 +18,25 @@ should probably proofread and complete it, then remove this comment. -->
18
 
19
  This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the EduardoPacheco/FoodSeg103 dataset.
20
  It achieves the following results on the evaluation set:
21
- - Loss: 2.0228
22
- - Mean Iou: 0.0621
23
- - Mean Accuracy: 0.1402
24
- - Overall Accuracy: 0.2390
25
  - Accuracy Background: nan
26
  - Accuracy Candy: nan
27
  - Accuracy Egg tart: nan
28
- - Accuracy French fries: 0.0048
29
  - Accuracy Chocolate: nan
30
- - Accuracy Biscuit: 0.0
31
  - Accuracy Popcorn: nan
32
  - Accuracy Pudding: nan
33
  - Accuracy Ice cream: 0.0
34
  - Accuracy Cheese butter: 0.0
35
- - Accuracy Cake: nan
36
- - Accuracy Wine: nan
37
  - Accuracy Milkshake: nan
38
  - Accuracy Coffee: nan
39
- - Accuracy Juice: nan
40
  - Accuracy Milk: nan
41
  - Accuracy Tea: nan
42
  - Accuracy Almond: nan
@@ -46,90 +46,90 @@ It achieves the following results on the evaluation set:
46
  - Accuracy Soy: nan
47
  - Accuracy Walnut: nan
48
  - Accuracy Peanut: nan
49
- - Accuracy Egg: 0.0
50
  - Accuracy Apple: nan
51
  - Accuracy Date: nan
52
  - Accuracy Apricot: nan
53
- - Accuracy Avocado: 0.0
54
  - Accuracy Banana: nan
55
  - Accuracy Strawberry: nan
56
  - Accuracy Cherry: nan
57
- - Accuracy Blueberry: 0.0
58
  - Accuracy Raspberry: nan
59
  - Accuracy Mango: nan
60
  - Accuracy Olives: nan
61
- - Accuracy Peach: nan
62
- - Accuracy Lemon: 0.3528
63
  - Accuracy Pear: nan
64
  - Accuracy Fig: nan
65
  - Accuracy Pineapple: nan
66
- - Accuracy Grape: 0.0
67
- - Accuracy Kiwi: 0.0
68
  - Accuracy Melon: nan
69
- - Accuracy Orange: 0.0326
70
  - Accuracy Watermelon: nan
71
- - Accuracy Steak: nan
72
- - Accuracy Pork: 0.1314
73
- - Accuracy Chicken duck: 0.2786
74
  - Accuracy Sausage: 0.0
75
  - Accuracy Fried meat: nan
76
- - Accuracy Lamb: nan
77
- - Accuracy Sauce: 0.0907
78
  - Accuracy Crab: nan
79
- - Accuracy Fish: 0.0
80
- - Accuracy Shellfish: nan
81
- - Accuracy Shrimp: nan
82
- - Accuracy Soup: nan
83
- - Accuracy Bread: 0.5107
84
- - Accuracy Corn: nan
85
  - Accuracy Hamburg: nan
86
  - Accuracy Pizza: nan
87
- - Accuracy hanamaki baozi: nan
88
  - Accuracy Wonton dumplings: nan
89
  - Accuracy Pasta: nan
90
- - Accuracy Noodles: nan
91
- - Accuracy Rice: 0.8496
92
  - Accuracy Pie: 0.0
93
- - Accuracy Tofu: nan
94
  - Accuracy Eggplant: nan
95
- - Accuracy Potato: 0.4847
96
  - Accuracy Garlic: nan
97
  - Accuracy Cauliflower: 0.0
98
- - Accuracy Tomato: 0.3533
99
  - Accuracy Kelp: nan
100
  - Accuracy Seaweed: nan
101
  - Accuracy Spring onion: 0.0
102
- - Accuracy Rape: nan
103
  - Accuracy Ginger: nan
104
- - Accuracy Okra: nan
105
- - Accuracy Lettuce: 0.0
106
- - Accuracy Pumpkin: 0.0
107
- - Accuracy Cucumber: 0.0
108
- - Accuracy White radish: nan
109
- - Accuracy Carrot: 0.7820
110
  - Accuracy Asparagus: nan
111
  - Accuracy Bamboo shoots: nan
112
- - Accuracy Broccoli: 0.8968
113
- - Accuracy Celery stick: 0.0
114
  - Accuracy Cilantro mint: 0.0
115
  - Accuracy Snow peas: nan
116
  - Accuracy cabbage: nan
117
  - Accuracy Bean sprouts: nan
118
- - Accuracy Onion: 0.0
119
- - Accuracy Pepper: 0.0
120
- - Accuracy Green beans: 0.0
121
  - Accuracy French beans: nan
122
  - Accuracy King oyster mushroom: nan
123
  - Accuracy Shiitake: nan
124
  - Accuracy Enoki mushroom: nan
125
  - Accuracy Oyster mushroom: nan
126
- - Accuracy White button mushroom: nan
127
  - Accuracy Salad: nan
128
  - Accuracy Other ingredients: 0.0
129
  - Iou Background: 0.0
130
  - Iou Candy: nan
131
  - Iou Egg tart: nan
132
- - Iou French fries: 0.0043
133
  - Iou Chocolate: nan
134
  - Iou Biscuit: 0.0
135
  - Iou Popcorn: nan
@@ -137,10 +137,10 @@ It achieves the following results on the evaluation set:
137
  - Iou Ice cream: 0.0
138
  - Iou Cheese butter: 0.0
139
  - Iou Cake: 0.0
140
- - Iou Wine: nan
141
  - Iou Milkshake: nan
142
  - Iou Coffee: nan
143
- - Iou Juice: nan
144
  - Iou Milk: nan
145
  - Iou Tea: nan
146
  - Iou Almond: nan
@@ -150,84 +150,84 @@ It achieves the following results on the evaluation set:
150
  - Iou Soy: nan
151
  - Iou Walnut: nan
152
  - Iou Peanut: nan
153
- - Iou Egg: 0.0
154
  - Iou Apple: nan
155
  - Iou Date: nan
156
  - Iou Apricot: nan
157
- - Iou Avocado: 0.0
158
  - Iou Banana: nan
159
- - Iou Strawberry: 0.0
160
  - Iou Cherry: nan
161
- - Iou Blueberry: 0.0
162
  - Iou Raspberry: nan
163
  - Iou Mango: nan
164
  - Iou Olives: nan
165
- - Iou Peach: nan
166
- - Iou Lemon: 0.1992
167
  - Iou Pear: nan
168
  - Iou Fig: nan
169
  - Iou Pineapple: nan
170
- - Iou Grape: 0.0
171
- - Iou Kiwi: 0.0
172
  - Iou Melon: nan
173
- - Iou Orange: 0.0326
174
  - Iou Watermelon: nan
175
- - Iou Steak: 0.0
176
- - Iou Pork: 0.1148
177
- - Iou Chicken duck: 0.0950
178
  - Iou Sausage: 0.0
179
  - Iou Fried meat: nan
180
- - Iou Lamb: nan
181
- - Iou Sauce: 0.0298
182
  - Iou Crab: nan
183
- - Iou Fish: 0.0
184
- - Iou Shellfish: nan
185
- - Iou Shrimp: nan
186
- - Iou Soup: nan
187
- - Iou Bread: 0.2608
188
  - Iou Corn: 0.0
189
  - Iou Hamburg: nan
190
  - Iou Pizza: nan
191
- - Iou hanamaki baozi: nan
192
  - Iou Wonton dumplings: nan
193
  - Iou Pasta: nan
194
- - Iou Noodles: nan
195
- - Iou Rice: 0.5581
196
  - Iou Pie: 0.0
197
- - Iou Tofu: nan
198
  - Iou Eggplant: nan
199
- - Iou Potato: 0.2434
200
  - Iou Garlic: nan
201
  - Iou Cauliflower: 0.0
202
- - Iou Tomato: 0.2617
203
  - Iou Kelp: nan
204
  - Iou Seaweed: nan
205
  - Iou Spring onion: 0.0
206
- - Iou Rape: nan
207
  - Iou Ginger: nan
208
- - Iou Okra: nan
209
- - Iou Lettuce: 0.0
210
- - Iou Pumpkin: 0.0
211
- - Iou Cucumber: 0.0
212
- - Iou White radish: nan
213
- - Iou Carrot: 0.5110
214
- - Iou Asparagus: 0.0
215
  - Iou Bamboo shoots: nan
216
- - Iou Broccoli: 0.2335
217
- - Iou Celery stick: 0.0
218
  - Iou Cilantro mint: 0.0
219
  - Iou Snow peas: nan
220
  - Iou cabbage: nan
221
  - Iou Bean sprouts: nan
222
- - Iou Onion: 0.0
223
- - Iou Pepper: 0.0
224
- - Iou Green beans: 0.0
225
- - Iou French beans: 0.0
226
  - Iou King oyster mushroom: nan
227
  - Iou Shiitake: nan
228
  - Iou Enoki mushroom: nan
229
  - Iou Oyster mushroom: nan
230
- - Iou White button mushroom: nan
231
  - Iou Salad: nan
232
  - Iou Other ingredients: 0.0
233
 
@@ -249,8 +249,8 @@ More information needed
249
 
250
  The following hyperparameters were used during training:
251
  - learning_rate: 0.0001
252
- - train_batch_size: 8
253
- - eval_batch_size: 8
254
  - seed: 42
255
  - optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
256
  - lr_scheduler_type: linear
@@ -258,13 +258,11 @@ The following hyperparameters were used during training:
258
 
259
  ### Training results
260
 
261
- | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Background | Accuracy Candy | Accuracy Egg tart | Accuracy French fries | Accuracy Chocolate | Accuracy Biscuit | Accuracy Popcorn | Accuracy Pudding | Accuracy Ice cream | Accuracy Cheese butter | Accuracy Cake | Accuracy Wine | Accuracy Milkshake | Accuracy Coffee | Accuracy Juice | Accuracy Milk | Accuracy Tea | Accuracy Almond | Accuracy Red beans | Accuracy Cashew | Accuracy Dried cranberries | Accuracy Soy | Accuracy Walnut | Accuracy Peanut | Accuracy Egg | Accuracy Apple | Accuracy Date | Accuracy Apricot | Accuracy Avocado | Accuracy Banana | Accuracy Strawberry | Accuracy Cherry | Accuracy Blueberry | Accuracy Raspberry | Accuracy Mango | Accuracy Olives | Accuracy Peach | Accuracy Lemon | Accuracy Pear | Accuracy Fig | Accuracy Pineapple | Accuracy Grape | Accuracy Kiwi | Accuracy Melon | Accuracy Orange | Accuracy Watermelon | Accuracy Steak | Accuracy Pork | Accuracy Chicken duck | Accuracy Sausage | Accuracy Fried meat | Accuracy Lamb | Accuracy Sauce | Accuracy Crab | Accuracy Fish | Accuracy Shellfish | Accuracy Shrimp | Accuracy Soup | Accuracy Bread | Accuracy Corn | Accuracy Hamburg | Accuracy Pizza | Accuracy hanamaki baozi | Accuracy Wonton dumplings | Accuracy Pasta | Accuracy Noodles | Accuracy Rice | Accuracy Pie | Accuracy Tofu | Accuracy Eggplant | Accuracy Potato | Accuracy Garlic | Accuracy Cauliflower | Accuracy Tomato | Accuracy Kelp | Accuracy Seaweed | Accuracy Spring onion | Accuracy Rape | Accuracy Ginger | Accuracy Okra | Accuracy Lettuce | Accuracy Pumpkin | Accuracy Cucumber | Accuracy White radish | Accuracy Carrot | Accuracy Asparagus | Accuracy Bamboo shoots | Accuracy Broccoli | Accuracy Celery stick | Accuracy Cilantro mint | Accuracy Snow peas | Accuracy cabbage | Accuracy Bean sprouts | Accuracy Onion | Accuracy Pepper | Accuracy Green beans | Accuracy French beans | Accuracy King oyster mushroom | Accuracy Shiitake | Accuracy Enoki mushroom | Accuracy Oyster mushroom | Accuracy White button mushroom | Accuracy Salad | Accuracy Other ingredients | Iou Background | Iou Candy | Iou Egg tart | Iou French fries | Iou Chocolate | Iou Biscuit | Iou Popcorn | Iou Pudding | Iou Ice cream | Iou Cheese butter | Iou Cake | Iou Wine | Iou Milkshake | Iou Coffee | Iou Juice | Iou Milk | Iou Tea | Iou Almond | Iou Red beans | Iou Cashew | Iou Dried cranberries | Iou Soy | Iou Walnut | Iou Peanut | Iou Egg | Iou Apple | Iou Date | Iou Apricot | Iou Avocado | Iou Banana | Iou Strawberry | Iou Cherry | Iou Blueberry | Iou Raspberry | Iou Mango | Iou Olives | Iou Peach | Iou Lemon | Iou Pear | Iou Fig | Iou Pineapple | Iou Grape | Iou Kiwi | Iou Melon | Iou Orange | Iou Watermelon | Iou Steak | Iou Pork | Iou Chicken duck | Iou Sausage | Iou Fried meat | Iou Lamb | Iou Sauce | Iou Crab | Iou Fish | Iou Shellfish | Iou Shrimp | Iou Soup | Iou Bread | Iou Corn | Iou Hamburg | Iou Pizza | Iou hanamaki baozi | Iou Wonton dumplings | Iou Pasta | Iou Noodles | Iou Rice | Iou Pie | Iou Tofu | Iou Eggplant | Iou Potato | Iou Garlic | Iou Cauliflower | Iou Tomato | Iou Kelp | Iou Seaweed | Iou Spring onion | Iou Rape | Iou Ginger | Iou Okra | Iou Lettuce | Iou Pumpkin | Iou Cucumber | Iou White radish | Iou Carrot | Iou Asparagus | Iou Bamboo shoots | Iou Broccoli | Iou Celery stick | Iou Cilantro mint | Iou Snow peas | Iou cabbage | Iou Bean sprouts | Iou Onion | Iou Pepper | Iou Green beans | Iou French beans | Iou King oyster mushroom | Iou Shiitake | Iou Enoki mushroom | Iou Oyster mushroom | Iou White button mushroom | Iou Salad | Iou Other ingredients |
262
- |:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:--------------:|:-----------------:|:---------------------:|:------------------:|:----------------:|:----------------:|:----------------:|:------------------:|:----------------------:|:-------------:|:-------------:|:------------------:|:---------------:|:--------------:|:-------------:|:------------:|:---------------:|:------------------:|:---------------:|:--------------------------:|:------------:|:---------------:|:---------------:|:------------:|:--------------:|:-------------:|:----------------:|:----------------:|:---------------:|:-------------------:|:---------------:|:------------------:|:------------------:|:--------------:|:---------------:|:--------------:|:--------------:|:-------------:|:------------:|:------------------:|:--------------:|:-------------:|:--------------:|:---------------:|:-------------------:|:--------------:|:-------------:|:---------------------:|:----------------:|:-------------------:|:-------------:|:--------------:|:-------------:|:-------------:|:------------------:|:---------------:|:-------------:|:--------------:|:-------------:|:----------------:|:--------------:|:------------------------:|:-------------------------:|:--------------:|:----------------:|:-------------:|:------------:|:-------------:|:-----------------:|:---------------:|:---------------:|:--------------------:|:---------------:|:-------------:|:----------------:|:---------------------:|:-------------:|:---------------:|:-------------:|:----------------:|:----------------:|:-----------------:|:---------------------:|:---------------:|:------------------:|:----------------------:|:-----------------:|:---------------------:|:----------------------:|:------------------:|:-----------------:|:---------------------:|:--------------:|:---------------:|:--------------------:|:---------------------:|:-----------------------------:|:-----------------:|:-----------------------:|:------------------------:|:------------------------------:|:--------------:|:--------------------------:|:--------------:|:---------:|:------------:|:----------------:|:-------------:|:-----------:|:-----------:|:-----------:|:-------------:|:-----------------:|:--------:|:--------:|:-------------:|:----------:|:---------:|:--------:|:-------:|:----------:|:-------------:|:----------:|:---------------------:|:-------:|:----------:|:----------:|:-------:|:---------:|:--------:|:-----------:|:-----------:|:----------:|:--------------:|:----------:|:-------------:|:-------------:|:---------:|:----------:|:---------:|:---------:|:--------:|:-------:|:-------------:|:---------:|:--------:|:---------:|:----------:|:--------------:|:---------:|:--------:|:----------------:|:-----------:|:--------------:|:--------:|:---------:|:--------:|:--------:|:-------------:|:----------:|:--------:|:---------:|:--------:|:-----------:|:---------:|:-------------------:|:--------------------:|:---------:|:-----------:|:--------:|:-------:|:--------:|:------------:|:----------:|:----------:|:---------------:|:----------:|:--------:|:-----------:|:----------------:|:--------:|:----------:|:--------:|:-----------:|:-----------:|:------------:|:----------------:|:----------:|:-------------:|:-----------------:|:------------:|:----------------:|:-----------------:|:-------------:|:------------:|:----------------:|:---------:|:----------:|:---------------:|:----------------:|:------------------------:|:------------:|:------------------:|:-------------------:|:-------------------------:|:---------:|:---------------------:|
263
- | 2.7162 | 10.0 | 100 | 2.6801 | 0.0326 | 0.0975 | 0.1897 | nan | nan | nan | 0.0000 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | 0.0008 | 0.3998 | 0.0 | nan | nan | 0.0106 | nan | 0.0 | nan | nan | nan | 0.5280 | nan | nan | nan | nan | nan | nan | nan | 0.2789 | 0.0 | nan | nan | 0.3304 | nan | 0.0 | 0.1307 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8033 | nan | nan | 0.8330 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0000 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | 0.0 | 0.0007 | 0.0741 | 0.0 | nan | nan | 0.0042 | nan | 0.0 | 0.0 | nan | nan | 0.2886 | 0.0 | nan | nan | nan | nan | nan | nan | 0.2364 | 0.0 | nan | nan | 0.2336 | nan | 0.0 | 0.1061 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.2684 | 0.0 | nan | 0.1901 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 |
264
- | 1.859 | 20.0 | 200 | 2.2530 | 0.0489 | 0.1145 | 0.2253 | nan | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | nan | 0.0035 | 0.1003 | 0.0 | nan | nan | 0.0500 | nan | 0.0 | nan | nan | nan | 0.5894 | nan | nan | nan | nan | nan | nan | nan | 0.7771 | 0.0025 | nan | nan | 0.4030 | nan | 0.0 | 0.3669 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.7427 | nan | nan | 0.8588 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0 | nan | 0.0 | 0.0032 | 0.0411 | 0.0 | nan | nan | 0.0177 | nan | 0.0 | nan | nan | nan | 0.2596 | 0.0 | nan | nan | nan | nan | nan | nan | 0.4561 | 0.0010 | nan | nan | 0.2965 | nan | 0.0 | 0.2613 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.4270 | 0.0 | nan | 0.1933 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 |
265
- | 1.4433 | 30.0 | 300 | 2.1218 | 0.0597 | 0.1303 | 0.2362 | nan | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.1094 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0394 | nan | nan | 0.0811 | 0.2829 | 0.0 | nan | nan | 0.0623 | nan | 0.0 | nan | nan | nan | 0.5184 | nan | nan | nan | nan | nan | nan | nan | 0.8217 | 0.0 | nan | nan | 0.4458 | nan | 0.0 | 0.3345 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8465 | nan | nan | 0.8885 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.1064 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0394 | nan | 0.0 | 0.0789 | 0.1016 | 0.0 | nan | nan | 0.0218 | nan | 0.0 | nan | nan | nan | 0.2490 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5284 | 0.0 | nan | nan | 0.2913 | nan | 0.0 | 0.2548 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.4633 | 0.0 | nan | 0.1923 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
266
- | 1.2355 | 40.0 | 400 | 2.0425 | 0.0637 | 0.1411 | 0.2425 | nan | nan | nan | 0.0088 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.3867 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0263 | nan | nan | 0.1149 | 0.2447 | 0.0 | nan | nan | 0.0802 | nan | 0.0 | nan | nan | nan | 0.5466 | nan | nan | nan | nan | nan | nan | nan | 0.8522 | 0.0000 | nan | nan | 0.4784 | nan | 0.0 | 0.3390 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.8193 | nan | nan | 0.9016 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0080 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.2547 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0263 | nan | 0.0 | 0.1059 | 0.0885 | 0.0 | nan | nan | 0.0276 | nan | 0.0 | nan | nan | nan | 0.2568 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5456 | 0.0000 | nan | nan | 0.2725 | nan | 0.0 | 0.2551 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.5393 | 0.0 | nan | 0.2314 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
267
- | 1.1372 | 50.0 | 500 | 2.0228 | 0.0621 | 0.1402 | 0.2390 | nan | nan | nan | 0.0048 | nan | 0.0 | nan | nan | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.3528 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0326 | nan | nan | 0.1314 | 0.2786 | 0.0 | nan | nan | 0.0907 | nan | 0.0 | nan | nan | nan | 0.5107 | nan | nan | nan | nan | nan | nan | nan | 0.8496 | 0.0 | nan | nan | 0.4847 | nan | 0.0 | 0.3533 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.7820 | nan | nan | 0.8968 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | 0.0 | nan | nan | 0.0043 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | 0.0 | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | 0.1992 | nan | nan | nan | 0.0 | 0.0 | nan | 0.0326 | nan | 0.0 | 0.1148 | 0.0950 | 0.0 | nan | nan | 0.0298 | nan | 0.0 | nan | nan | nan | 0.2608 | 0.0 | nan | nan | nan | nan | nan | nan | 0.5581 | 0.0 | nan | nan | 0.2434 | nan | 0.0 | 0.2617 | nan | nan | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | nan | 0.5110 | 0.0 | nan | 0.2335 | 0.0 | 0.0 | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | nan | nan | nan | nan | 0.0 |
268
 
269
 
270
  ### Framework versions
 
18
 
19
  This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the EduardoPacheco/FoodSeg103 dataset.
20
  It achieves the following results on the evaluation set:
21
+ - Loss: 2.0865
22
+ - Mean Iou: 0.0515
23
+ - Mean Accuracy: 0.1257
24
+ - Overall Accuracy: 0.2045
25
  - Accuracy Background: nan
26
  - Accuracy Candy: nan
27
  - Accuracy Egg tart: nan
28
+ - Accuracy French fries: 0.0
29
  - Accuracy Chocolate: nan
30
+ - Accuracy Biscuit: nan
31
  - Accuracy Popcorn: nan
32
  - Accuracy Pudding: nan
33
  - Accuracy Ice cream: 0.0
34
  - Accuracy Cheese butter: 0.0
35
+ - Accuracy Cake: 0.0
36
+ - Accuracy Wine: 0.0
37
  - Accuracy Milkshake: nan
38
  - Accuracy Coffee: nan
39
+ - Accuracy Juice: 0.0
40
  - Accuracy Milk: nan
41
  - Accuracy Tea: nan
42
  - Accuracy Almond: nan
 
46
  - Accuracy Soy: nan
47
  - Accuracy Walnut: nan
48
  - Accuracy Peanut: nan
49
+ - Accuracy Egg: nan
50
  - Accuracy Apple: nan
51
  - Accuracy Date: nan
52
  - Accuracy Apricot: nan
53
+ - Accuracy Avocado: nan
54
  - Accuracy Banana: nan
55
  - Accuracy Strawberry: nan
56
  - Accuracy Cherry: nan
57
+ - Accuracy Blueberry: nan
58
  - Accuracy Raspberry: nan
59
  - Accuracy Mango: nan
60
  - Accuracy Olives: nan
61
+ - Accuracy Peach: 0.0
62
+ - Accuracy Lemon: nan
63
  - Accuracy Pear: nan
64
  - Accuracy Fig: nan
65
  - Accuracy Pineapple: nan
66
+ - Accuracy Grape: nan
67
+ - Accuracy Kiwi: nan
68
  - Accuracy Melon: nan
69
+ - Accuracy Orange: 0.0
70
  - Accuracy Watermelon: nan
71
+ - Accuracy Steak: 0.8548
72
+ - Accuracy Pork: 0.5362
73
+ - Accuracy Chicken duck: 0.3458
74
  - Accuracy Sausage: 0.0
75
  - Accuracy Fried meat: nan
76
+ - Accuracy Lamb: 0.0
77
+ - Accuracy Sauce: 0.0
78
  - Accuracy Crab: nan
79
+ - Accuracy Fish: nan
80
+ - Accuracy Shellfish: 0.0
81
+ - Accuracy Shrimp: 0.0
82
+ - Accuracy Soup: 0.0
83
+ - Accuracy Bread: 0.0157
84
+ - Accuracy Corn: 0.0
85
  - Accuracy Hamburg: nan
86
  - Accuracy Pizza: nan
87
+ - Accuracy hanamaki baozi: 0.0
88
  - Accuracy Wonton dumplings: nan
89
  - Accuracy Pasta: nan
90
+ - Accuracy Noodles: 0.2191
91
+ - Accuracy Rice: 0.3396
92
  - Accuracy Pie: 0.0
93
+ - Accuracy Tofu: 0.0
94
  - Accuracy Eggplant: nan
95
+ - Accuracy Potato: 0.6707
96
  - Accuracy Garlic: nan
97
  - Accuracy Cauliflower: 0.0
98
+ - Accuracy Tomato: 0.0295
99
  - Accuracy Kelp: nan
100
  - Accuracy Seaweed: nan
101
  - Accuracy Spring onion: 0.0
102
+ - Accuracy Rape: 0.0
103
  - Accuracy Ginger: nan
104
+ - Accuracy Okra: 0.0
105
+ - Accuracy Lettuce: 0.0014
106
+ - Accuracy Pumpkin: nan
107
+ - Accuracy Cucumber: 0.2728
108
+ - Accuracy White radish: 0.0
109
+ - Accuracy Carrot: 0.9345
110
  - Accuracy Asparagus: nan
111
  - Accuracy Bamboo shoots: nan
112
+ - Accuracy Broccoli: 0.7618
113
+ - Accuracy Celery stick: 0.0400
114
  - Accuracy Cilantro mint: 0.0
115
  - Accuracy Snow peas: nan
116
  - Accuracy cabbage: nan
117
  - Accuracy Bean sprouts: nan
118
+ - Accuracy Onion: 0.0075
119
+ - Accuracy Pepper: nan
120
+ - Accuracy Green beans: nan
121
  - Accuracy French beans: nan
122
  - Accuracy King oyster mushroom: nan
123
  - Accuracy Shiitake: nan
124
  - Accuracy Enoki mushroom: nan
125
  - Accuracy Oyster mushroom: nan
126
+ - Accuracy White button mushroom: 0.0
127
  - Accuracy Salad: nan
128
  - Accuracy Other ingredients: 0.0
129
  - Iou Background: 0.0
130
  - Iou Candy: nan
131
  - Iou Egg tart: nan
132
+ - Iou French fries: 0.0
133
  - Iou Chocolate: nan
134
  - Iou Biscuit: 0.0
135
  - Iou Popcorn: nan
 
137
  - Iou Ice cream: 0.0
138
  - Iou Cheese butter: 0.0
139
  - Iou Cake: 0.0
140
+ - Iou Wine: 0.0
141
  - Iou Milkshake: nan
142
  - Iou Coffee: nan
143
+ - Iou Juice: 0.0
144
  - Iou Milk: nan
145
  - Iou Tea: nan
146
  - Iou Almond: nan
 
150
  - Iou Soy: nan
151
  - Iou Walnut: nan
152
  - Iou Peanut: nan
153
+ - Iou Egg: nan
154
  - Iou Apple: nan
155
  - Iou Date: nan
156
  - Iou Apricot: nan
157
+ - Iou Avocado: nan
158
  - Iou Banana: nan
159
+ - Iou Strawberry: nan
160
  - Iou Cherry: nan
161
+ - Iou Blueberry: nan
162
  - Iou Raspberry: nan
163
  - Iou Mango: nan
164
  - Iou Olives: nan
165
+ - Iou Peach: 0.0
166
+ - Iou Lemon: nan
167
  - Iou Pear: nan
168
  - Iou Fig: nan
169
  - Iou Pineapple: nan
170
+ - Iou Grape: nan
171
+ - Iou Kiwi: nan
172
  - Iou Melon: nan
173
+ - Iou Orange: 0.0
174
  - Iou Watermelon: nan
175
+ - Iou Steak: 0.1109
176
+ - Iou Pork: 0.2326
177
+ - Iou Chicken duck: 0.1176
178
  - Iou Sausage: 0.0
179
  - Iou Fried meat: nan
180
+ - Iou Lamb: 0.0
181
+ - Iou Sauce: 0.0
182
  - Iou Crab: nan
183
+ - Iou Fish: nan
184
+ - Iou Shellfish: 0.0
185
+ - Iou Shrimp: 0.0
186
+ - Iou Soup: 0.0
187
+ - Iou Bread: 0.0065
188
  - Iou Corn: 0.0
189
  - Iou Hamburg: nan
190
  - Iou Pizza: nan
191
+ - Iou hanamaki baozi: 0.0
192
  - Iou Wonton dumplings: nan
193
  - Iou Pasta: nan
194
+ - Iou Noodles: 0.1944
195
+ - Iou Rice: 0.2630
196
  - Iou Pie: 0.0
197
+ - Iou Tofu: 0.0
198
  - Iou Eggplant: nan
199
+ - Iou Potato: 0.2078
200
  - Iou Garlic: nan
201
  - Iou Cauliflower: 0.0
202
+ - Iou Tomato: 0.0283
203
  - Iou Kelp: nan
204
  - Iou Seaweed: nan
205
  - Iou Spring onion: 0.0
206
+ - Iou Rape: 0.0
207
  - Iou Ginger: nan
208
+ - Iou Okra: 0.0
209
+ - Iou Lettuce: 0.0010
210
+ - Iou Pumpkin: nan
211
+ - Iou Cucumber: 0.1036
212
+ - Iou White radish: 0.0
213
+ - Iou Carrot: 0.4668
214
+ - Iou Asparagus: nan
215
  - Iou Bamboo shoots: nan
216
+ - Iou Broccoli: 0.3830
217
+ - Iou Celery stick: 0.0400
218
  - Iou Cilantro mint: 0.0
219
  - Iou Snow peas: nan
220
  - Iou cabbage: nan
221
  - Iou Bean sprouts: nan
222
+ - Iou Onion: 0.0073
223
+ - Iou Pepper: nan
224
+ - Iou Green beans: nan
225
+ - Iou French beans: nan
226
  - Iou King oyster mushroom: nan
227
  - Iou Shiitake: nan
228
  - Iou Enoki mushroom: nan
229
  - Iou Oyster mushroom: nan
230
+ - Iou White button mushroom: 0.0
231
  - Iou Salad: nan
232
  - Iou Other ingredients: 0.0
233
 
 
249
 
250
  The following hyperparameters were used during training:
251
  - learning_rate: 0.0001
252
+ - train_batch_size: 12
253
+ - eval_batch_size: 12
254
  - seed: 42
255
  - optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
256
  - lr_scheduler_type: linear
 
258
 
259
  ### Training results
260
 
261
+ | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Background | Accuracy Candy | Accuracy Egg tart | Accuracy French fries | Accuracy Chocolate | Accuracy Biscuit | Accuracy Popcorn | Accuracy Pudding | Accuracy Ice cream | Accuracy Cheese butter | Accuracy Cake | Accuracy Wine | Accuracy Milkshake | Accuracy Coffee | Accuracy Juice | Accuracy Milk | Accuracy Tea | Accuracy Almond | Accuracy Red beans | Accuracy Cashew | Accuracy Dried cranberries | Accuracy Soy | Accuracy Walnut | Accuracy Peanut | Accuracy Egg | Accuracy Apple | Accuracy Date | Accuracy Apricot | Accuracy Avocado | Accuracy Banana | Accuracy Strawberry | Accuracy Cherry | Accuracy Blueberry | Accuracy Raspberry | Accuracy Mango | Accuracy Olives | Accuracy Peach | Accuracy Lemon | Accuracy Pear | Accuracy Fig | Accuracy Pineapple | Accuracy Grape | Accuracy Kiwi | Accuracy Melon | Accuracy Orange | Accuracy Watermelon | Accuracy Steak | Accuracy Pork | Accuracy Chicken duck | Accuracy Sausage | Accuracy Fried meat | Accuracy Lamb | Accuracy Sauce | Accuracy Crab | Accuracy Fish | Accuracy Shellfish | Accuracy Shrimp | Accuracy Soup | Accuracy Bread | Accuracy Corn | Accuracy Hamburg | Accuracy Pizza | Accuracy hanamaki baozi | Accuracy Wonton dumplings | Accuracy Pasta | Accuracy Noodles | Accuracy Rice | Accuracy Pie | Accuracy Tofu | Accuracy Eggplant | Accuracy Potato | Accuracy Garlic | Accuracy Cauliflower | Accuracy Tomato | Accuracy Kelp | Accuracy Seaweed | Accuracy Spring onion | Accuracy Rape | Accuracy Ginger | Accuracy Okra | Accuracy Lettuce | Accuracy Pumpkin | Accuracy Cucumber | Accuracy White radish | Accuracy Carrot | Accuracy Asparagus | Accuracy Bamboo shoots | Accuracy Broccoli | Accuracy Celery stick | Accuracy Cilantro mint | Accuracy Snow peas | Accuracy cabbage | Accuracy Bean sprouts | Accuracy Onion | Accuracy Pepper | Accuracy Green beans | Accuracy French beans | Accuracy King oyster mushroom | Accuracy Shiitake | Accuracy Enoki mushroom | Accuracy Oyster mushroom | Accuracy White button mushroom | Accuracy Salad | Accuracy Other ingredients | Iou Background | Iou Candy | Iou Egg tart | Iou French fries | Iou Chocolate | Iou Biscuit | Iou Popcorn | Iou Pudding | Iou Ice cream | Iou Cheese butter | Iou Cake | Iou Wine | Iou Milkshake | Iou Coffee | Iou Juice | Iou Milk | Iou Tea | Iou Almond | Iou Red beans | Iou Cashew | Iou Dried cranberries | Iou Soy | Iou Walnut | Iou Peanut | Iou Egg | Iou Apple | Iou Date | Iou Apricot | Iou Avocado | Iou Banana | Iou Strawberry | Iou Cherry | Iou Blueberry | Iou Raspberry | Iou Mango | Iou Olives | Iou Peach | Iou Lemon | Iou Pear | Iou Fig | Iou Pineapple | Iou Grape | Iou Kiwi | Iou Melon | Iou Orange | Iou Watermelon | Iou Steak | Iou Pork | Iou Chicken duck | Iou Sausage | Iou Fried meat | Iou Lamb | Iou Sauce | Iou Crab | Iou Fish | Iou Shellfish | Iou Shrimp | Iou Soup | Iou Bread | Iou Corn | Iou Hamburg | Iou Pizza | Iou hanamaki baozi | Iou Wonton dumplings | Iou Pasta | Iou Noodles | Iou Rice | Iou Pie | Iou Tofu | Iou Eggplant | Iou Potato | Iou Garlic | Iou Cauliflower | Iou Tomato | Iou Kelp | Iou Seaweed | Iou Spring onion | Iou Rape | Iou Ginger | Iou Okra | Iou Lettuce | Iou Pumpkin | Iou Cucumber | Iou White radish | Iou Carrot | Iou Asparagus | Iou Bamboo shoots | Iou Broccoli | Iou Celery stick | Iou Cilantro mint | Iou Snow peas | Iou cabbage | Iou Bean sprouts | Iou Onion | Iou Pepper | Iou Green beans | Iou French beans | Iou King oyster mushroom | Iou Shiitake | Iou Enoki mushroom | Iou Oyster mushroom | Iou White button mushroom | Iou Salad | Iou Other ingredients |
262
+ |:-------------:|:-------:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:-------------------:|:--------------:|:-----------------:|:---------------------:|:------------------:|:----------------:|:----------------:|:----------------:|:------------------:|:----------------------:|:-------------:|:-------------:|:------------------:|:---------------:|:--------------:|:-------------:|:------------:|:---------------:|:------------------:|:---------------:|:--------------------------:|:------------:|:---------------:|:---------------:|:------------:|:--------------:|:-------------:|:----------------:|:----------------:|:---------------:|:-------------------:|:---------------:|:------------------:|:------------------:|:--------------:|:---------------:|:--------------:|:--------------:|:-------------:|:------------:|:------------------:|:--------------:|:-------------:|:--------------:|:---------------:|:-------------------:|:--------------:|:-------------:|:---------------------:|:----------------:|:-------------------:|:-------------:|:--------------:|:-------------:|:-------------:|:------------------:|:---------------:|:-------------:|:--------------:|:-------------:|:----------------:|:--------------:|:------------------------:|:-------------------------:|:--------------:|:----------------:|:-------------:|:------------:|:-------------:|:-----------------:|:---------------:|:---------------:|:--------------------:|:---------------:|:-------------:|:----------------:|:---------------------:|:-------------:|:---------------:|:-------------:|:----------------:|:----------------:|:-----------------:|:---------------------:|:---------------:|:------------------:|:----------------------:|:-----------------:|:---------------------:|:----------------------:|:------------------:|:-----------------:|:---------------------:|:--------------:|:---------------:|:--------------------:|:---------------------:|:-----------------------------:|:-----------------:|:-----------------------:|:------------------------:|:------------------------------:|:--------------:|:--------------------------:|:--------------:|:---------:|:------------:|:----------------:|:-------------:|:-----------:|:-----------:|:-----------:|:-------------:|:-----------------:|:--------:|:--------:|:-------------:|:----------:|:---------:|:--------:|:-------:|:----------:|:-------------:|:----------:|:---------------------:|:-------:|:----------:|:----------:|:-------:|:---------:|:--------:|:-----------:|:-----------:|:----------:|:--------------:|:----------:|:-------------:|:-------------:|:---------:|:----------:|:---------:|:---------:|:--------:|:-------:|:-------------:|:---------:|:--------:|:---------:|:----------:|:--------------:|:---------:|:--------:|:----------------:|:-----------:|:--------------:|:--------:|:---------:|:--------:|:--------:|:-------------:|:----------:|:--------:|:---------:|:--------:|:-----------:|:---------:|:-------------------:|:--------------------:|:---------:|:-----------:|:--------:|:-------:|:--------:|:------------:|:----------:|:----------:|:---------------:|:----------:|:--------:|:-----------:|:----------------:|:--------:|:----------:|:--------:|:-----------:|:-----------:|:------------:|:----------------:|:----------:|:-------------:|:-----------------:|:------------:|:----------------:|:-----------------:|:-------------:|:------------:|:----------------:|:---------:|:----------:|:---------------:|:----------------:|:------------------------:|:------------:|:------------------:|:-------------------:|:-------------------------:|:---------:|:---------------------:|
263
+ | 2.7669 | 14.2857 | 100 | 2.5982 | 0.0437 | 0.1131 | 0.1847 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.9470 | 0.0774 | 0.0606 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0843 | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.6846 | 0.0 | 0.0 | nan | 0.5680 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0 | nan | 0.3424 | 0.0 | 0.9617 | nan | nan | 0.7870 | 0.0112 | 0.0003 | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0730 | 0.0747 | 0.0481 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0302 | 0.0 | nan | nan | 0.0 | nan | nan | 0.0 | 0.6074 | 0.0 | 0.0 | nan | 0.2870 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0 | nan | 0.0955 | 0.0 | 0.3976 | nan | nan | 0.2527 | 0.0110 | 0.0003 | nan | nan | nan | 0.0 | nan | 0.0 | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 |
264
+ | 1.8931 | 28.5714 | 200 | 2.2174 | 0.0416 | 0.1085 | 0.1951 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.4517 | 0.5716 | 0.0521 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0020 | 0.0 | nan | nan | 0.0 | nan | nan | 0.1063 | 0.2845 | 0.0 | 0.0 | nan | 0.8817 | nan | 0.0 | 0.0162 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0074 | nan | 0.2246 | 0.0 | 0.9538 | nan | nan | 0.7794 | 0.0013 | 0.0037 | nan | nan | nan | 0.0026 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0589 | 0.2125 | 0.0357 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0009 | 0.0 | nan | nan | 0.0 | nan | nan | 0.1060 | 0.2194 | 0.0 | 0.0 | nan | 0.2077 | nan | 0.0 | 0.0159 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0059 | nan | 0.0737 | 0.0 | 0.4452 | nan | nan | 0.3571 | 0.0013 | 0.0036 | nan | nan | nan | 0.0025 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 |
265
+ | 1.5479 | 42.8571 | 300 | 2.0865 | 0.0515 | 0.1257 | 0.2045 | nan | nan | nan | 0.0 | nan | nan | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.8548 | 0.5362 | 0.3458 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0157 | 0.0 | nan | nan | 0.0 | nan | nan | 0.2191 | 0.3396 | 0.0 | 0.0 | nan | 0.6707 | nan | 0.0 | 0.0295 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0014 | nan | 0.2728 | 0.0 | 0.9345 | nan | nan | 0.7618 | 0.0400 | 0.0 | nan | nan | nan | 0.0075 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | nan | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0 | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.1109 | 0.2326 | 0.1176 | 0.0 | nan | 0.0 | 0.0 | nan | nan | 0.0 | 0.0 | 0.0 | 0.0065 | 0.0 | nan | nan | 0.0 | nan | nan | 0.1944 | 0.2630 | 0.0 | 0.0 | nan | 0.2078 | nan | 0.0 | 0.0283 | nan | nan | 0.0 | 0.0 | nan | 0.0 | 0.0010 | nan | 0.1036 | 0.0 | 0.4668 | nan | nan | 0.3830 | 0.0400 | 0.0 | nan | nan | nan | 0.0073 | nan | nan | nan | nan | nan | nan | nan | 0.0 | nan | 0.0 |
 
 
266
 
267
 
268
  ### Framework versions
model.safetensors CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b771685a291854ed0c3cb4806fcd06d5efae76fe4af7e28d520f1a343927e274
3
  size 14989656
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:84aa136cb26d1fda14a49890dffd45056b26ed0419b9c35688fc5d975cfc0286
3
  size 14989656
runs/Dec18_05-38-57_98c8b36cc089/events.out.tfevents.1734500467.98c8b36cc089.1201.0 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:6792a156ae594ce40714f66d46929ca89e5359d13d6d785911d96d7c8b9bd2eb
3
+ size 9840
runs/Dec18_05-42-22_98c8b36cc089/events.out.tfevents.1734500610.98c8b36cc089.1201.1 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d4849637b160477c9a2fcbdb20697a7c047784f636ea1ccd727d8b60f68ba85e
3
+ size 9840
runs/Dec18_05-43-55_98c8b36cc089/events.out.tfevents.1734500651.98c8b36cc089.1201.2 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:592455a606d8a20e34bcbef428a1e62585859cad103e36308f8e9371027f7299
3
+ size 49013
training_args.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:ea560783c360660ed42005630d57a736a9aa507c3fdbbb4e7b6ce1cb1c81c3d6
3
  size 5368
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:265d7b4053ea7c7b02909857161f8f47f2c6d5a3ce72ce795dd25344cc87fbb2
3
  size 5368