Hugging Face's logo

vhug
/
segformer-b0-finetuned-xorder-dish-segmentation-trial

Image Segmentation
Transformers
PyTorch
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Community
2
vhug commited on
Commit
dca1393
•
1 Parent(s): ce71047

Upload 5 files

Browse files

manually added files from colab

Files changed (4) hide show
  1. README.md +267 -0
  2. config.json +76 -0
  3. pytorch_model.bin +3 -0
  4. training_args.bin +3 -0
README.md ADDED
@@ -0,0 +1,267 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: other
3
+ tags:
4
+ - vision
5
+ - image-segmentation
6
+ - generated_from_trainer
7
+ model-index:
8
+ - name: segformer-b0-finetuned-xorder-dish-segmentation-trial
9
+ results: []
10
+ ---
11
+
12
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
13
+ should probably proofread and complete it, then remove this comment. -->
14
+
15
+ # segformer-b0-finetuned-xorder-dish-segmentation-trial
16
+
17
+ This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the vhug/xorder_dish dataset.
18
+ It achieves the following results on the evaluation set:
19
+ - Loss: 0.0061
20
+ - Mean Iou: 0.0
21
+ - Mean Accuracy: nan
22
+ - Overall Accuracy: nan
23
+ - Accuracy Object: nan
24
+ - Iou Object: 0.0
25
+
26
+ ## Model description
27
+
28
+ More information needed
29
+
30
+ ## Intended uses & limitations
31
+
32
+ More information needed
33
+
34
+ ## Training and evaluation data
35
+
36
+ More information needed
37
+
38
+ ## Training procedure
39
+
40
+ ### Training hyperparameters
41
+
42
+ The following hyperparameters were used during training:
43
+ - learning_rate: 6e-05
44
+ - train_batch_size: 2
45
+ - eval_batch_size: 2
46
+ - seed: 42
47
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
48
+ - lr_scheduler_type: linear
49
+ - num_epochs: 50
50
+
51
+ ### Training results
52
+
53
+ | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Object | Iou Object |
54
+ |:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:---------------:|:----------:|
55
+ | 0.2499 | 0.24 | 20 | 0.4007 | 0.0 | nan | nan | nan | 0.0 |
56
+ | 0.1703 | 0.49 | 40 | 0.1925 | 0.0 | nan | nan | nan | 0.0 |
57
+ | 0.1665 | 0.73 | 60 | 0.1499 | 0.0 | nan | nan | nan | 0.0 |
58
+ | 0.1813 | 0.98 | 80 | 0.1669 | 0.0 | nan | nan | nan | 0.0 |
59
+ | 0.139 | 1.22 | 100 | 0.1323 | 0.0 | nan | nan | nan | 0.0 |
60
+ | 0.1336 | 1.46 | 120 | 0.1200 | 0.0 | nan | nan | nan | 0.0 |
61
+ | 0.0994 | 1.71 | 140 | 0.1078 | 0.0 | nan | nan | nan | 0.0 |
62
+ | 0.1125 | 1.95 | 160 | 0.0983 | 0.0 | nan | nan | nan | 0.0 |
63
+ | 0.0945 | 2.2 | 180 | 0.0879 | 0.0 | nan | nan | nan | 0.0 |
64
+ | 0.1448 | 2.44 | 200 | 0.0839 | 0.0 | nan | nan | nan | 0.0 |
65
+ | 0.0715 | 2.68 | 220 | 0.0756 | 0.0 | nan | nan | nan | 0.0 |
66
+ | 0.0901 | 2.93 | 240 | 0.0727 | 0.0 | nan | nan | nan | 0.0 |
67
+ | 0.0959 | 3.17 | 260 | 0.0615 | 0.0 | nan | nan | nan | 0.0 |
68
+ | 0.0609 | 3.41 | 280 | 0.0676 | 0.0 | nan | nan | nan | 0.0 |
69
+ | 0.0478 | 3.66 | 300 | 0.0545 | 0.0 | nan | nan | nan | 0.0 |
70
+ | 0.0899 | 3.9 | 320 | 0.0534 | 0.0 | nan | nan | nan | 0.0 |
71
+ | 0.0632 | 4.15 | 340 | 0.0509 | 0.0 | nan | nan | nan | 0.0 |
72
+ | 0.0601 | 4.39 | 360 | 0.0389 | 0.0 | nan | nan | nan | 0.0 |
73
+ | 0.0422 | 4.63 | 380 | 0.0549 | 0.0 | nan | nan | nan | 0.0 |
74
+ | 0.0526 | 4.88 | 400 | 0.0470 | 0.0 | nan | nan | nan | 0.0 |
75
+ | 0.0418 | 5.12 | 420 | 0.0410 | 0.0 | nan | nan | nan | 0.0 |
76
+ | 0.0505 | 5.37 | 440 | 0.0389 | 0.0 | nan | nan | nan | 0.0 |
77
+ | 0.0602 | 5.61 | 460 | 0.0417 | 0.0 | nan | nan | nan | 0.0 |
78
+ | 0.0292 | 5.85 | 480 | 0.0351 | 0.0 | nan | nan | nan | 0.0 |
79
+ | 0.0433 | 6.1 | 500 | 0.0327 | 0.0 | nan | nan | nan | 0.0 |
80
+ | 0.0478 | 6.34 | 520 | 0.0336 | 0.0 | nan | nan | nan | 0.0 |
81
+ | 0.0253 | 6.59 | 540 | 0.0310 | 0.0 | nan | nan | nan | 0.0 |
82
+ | 0.0486 | 6.83 | 560 | 0.0297 | 0.0 | nan | nan | nan | 0.0 |
83
+ | 0.0426 | 7.07 | 580 | 0.0320 | 0.0 | nan | nan | nan | 0.0 |
84
+ | 0.0253 | 7.32 | 600 | 0.0268 | 0.0 | nan | nan | nan | 0.0 |
85
+ | 0.0445 | 7.56 | 620 | 0.0299 | 0.0 | nan | nan | nan | 0.0 |
86
+ | 0.0252 | 7.8 | 640 | 0.0277 | 0.0 | nan | nan | nan | 0.0 |
87
+ | 0.0327 | 8.05 | 660 | 0.0246 | 0.0 | nan | nan | nan | 0.0 |
88
+ | 0.0258 | 8.29 | 680 | 0.0261 | 0.0 | nan | nan | nan | 0.0 |
89
+ | 0.0216 | 8.54 | 700 | 0.0249 | 0.0 | nan | nan | nan | 0.0 |
90
+ | 0.0206 | 8.78 | 720 | 0.0223 | 0.0 | nan | nan | nan | 0.0 |
91
+ | 0.0205 | 9.02 | 740 | 0.0223 | 0.0 | nan | nan | nan | 0.0 |
92
+ | 0.0204 | 9.27 | 760 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
93
+ | 0.0392 | 9.51 | 780 | 0.0205 | 0.0 | nan | nan | nan | 0.0 |
94
+ | 0.0304 | 9.76 | 800 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
95
+ | 0.0225 | 10.0 | 820 | 0.0203 | 0.0 | nan | nan | nan | 0.0 |
96
+ | 0.0154 | 10.24 | 840 | 0.0189 | 0.0 | nan | nan | nan | 0.0 |
97
+ | 0.0179 | 10.49 | 860 | 0.0178 | 0.0 | nan | nan | nan | 0.0 |
98
+ | 0.0319 | 10.73 | 880 | 0.0185 | 0.0 | nan | nan | nan | 0.0 |
99
+ | 0.0148 | 10.98 | 900 | 0.0181 | 0.0 | nan | nan | nan | 0.0 |
100
+ | 0.0204 | 11.22 | 920 | 0.0174 | 0.0 | nan | nan | nan | 0.0 |
101
+ | 0.0197 | 11.46 | 940 | 0.0182 | 0.0 | nan | nan | nan | 0.0 |
102
+ | 0.0173 | 11.71 | 960 | 0.0162 | 0.0 | nan | nan | nan | 0.0 |
103
+ | 0.0209 | 11.95 | 980 | 0.0174 | 0.0 | nan | nan | nan | 0.0 |
104
+ | 0.0251 | 12.2 | 1000 | 0.0159 | 0.0 | nan | nan | nan | 0.0 |
105
+ | 0.0173 | 12.44 | 1020 | 0.0165 | 0.0 | nan | nan | nan | 0.0 |
106
+ | 0.0153 | 12.68 | 1040 | 0.0141 | 0.0 | nan | nan | nan | 0.0 |
107
+ | 0.0166 | 12.93 | 1060 | 0.0163 | 0.0 | nan | nan | nan | 0.0 |
108
+ | 0.0394 | 13.17 | 1080 | 0.0158 | 0.0 | nan | nan | nan | 0.0 |
109
+ | 0.013 | 13.41 | 1100 | 0.0140 | 0.0 | nan | nan | nan | 0.0 |
110
+ | 0.0141 | 13.66 | 1120 | 0.0138 | 0.0 | nan | nan | nan | 0.0 |
111
+ | 0.0199 | 13.9 | 1140 | 0.0148 | 0.0 | nan | nan | nan | 0.0 |
112
+ | 0.0132 | 14.15 | 1160 | 0.0130 | 0.0 | nan | nan | nan | 0.0 |
113
+ | 0.0289 | 14.39 | 1180 | 0.0141 | 0.0 | nan | nan | nan | 0.0 |
114
+ | 0.0141 | 14.63 | 1200 | 0.0136 | 0.0 | nan | nan | nan | 0.0 |
115
+ | 0.0131 | 14.88 | 1220 | 0.0143 | 0.0 | nan | nan | nan | 0.0 |
116
+ | 0.0116 | 15.12 | 1240 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
117
+ | 0.0138 | 15.37 | 1260 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
118
+ | 0.0119 | 15.61 | 1280 | 0.0121 | 0.0 | nan | nan | nan | 0.0 |
119
+ | 0.018 | 15.85 | 1300 | 0.0138 | 0.0 | nan | nan | nan | 0.0 |
120
+ | 0.0142 | 16.1 | 1320 | 0.0119 | 0.0 | nan | nan | nan | 0.0 |
121
+ | 0.01 | 16.34 | 1340 | 0.0119 | 0.0 | nan | nan | nan | 0.0 |
122
+ | 0.0133 | 16.59 | 1360 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
123
+ | 0.0104 | 16.83 | 1380 | 0.0113 | 0.0 | nan | nan | nan | 0.0 |
124
+ | 0.0142 | 17.07 | 1400 | 0.0117 | 0.0 | nan | nan | nan | 0.0 |
125
+ | 0.0114 | 17.32 | 1420 | 0.0121 | 0.0 | nan | nan | nan | 0.0 |
126
+ | 0.0131 | 17.56 | 1440 | 0.0112 | 0.0 | nan | nan | nan | 0.0 |
127
+ | 0.0105 | 17.8 | 1460 | 0.0111 | 0.0 | nan | nan | nan | 0.0 |
128
+ | 0.0096 | 18.05 | 1480 | 0.0115 | 0.0 | nan | nan | nan | 0.0 |
129
+ | 0.0127 | 18.29 | 1500 | 0.0117 | 0.0 | nan | nan | nan | 0.0 |
130
+ | 0.0094 | 18.54 | 1520 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
131
+ | 0.0091 | 18.78 | 1540 | 0.0107 | 0.0 | nan | nan | nan | 0.0 |
132
+ | 0.0099 | 19.02 | 1560 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
133
+ | 0.0105 | 19.27 | 1580 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
134
+ | 0.0082 | 19.51 | 1600 | 0.0095 | 0.0 | nan | nan | nan | 0.0 |
135
+ | 0.0095 | 19.76 | 1620 | 0.0097 | 0.0 | nan | nan | nan | 0.0 |
136
+ | 0.0089 | 20.0 | 1640 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
137
+ | 0.0092 | 20.24 | 1660 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
138
+ | 0.0259 | 20.49 | 1680 | 0.0100 | 0.0 | nan | nan | nan | 0.0 |
139
+ | 0.0152 | 20.73 | 1700 | 0.0101 | 0.0 | nan | nan | nan | 0.0 |
140
+ | 0.0108 | 20.98 | 1720 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
141
+ | 0.009 | 21.22 | 1740 | 0.0094 | 0.0 | nan | nan | nan | 0.0 |
142
+ | 0.0116 | 21.46 | 1760 | 0.0099 | 0.0 | nan | nan | nan | 0.0 |
143
+ | 0.0094 | 21.71 | 1780 | 0.0095 | 0.0 | nan | nan | nan | 0.0 |
144
+ | 0.012 | 21.95 | 1800 | 0.0098 | 0.0 | nan | nan | nan | 0.0 |
145
+ | 0.0079 | 22.2 | 1820 | 0.0094 | 0.0 | nan | nan | nan | 0.0 |
146
+ | 0.0074 | 22.44 | 1840 | 0.0093 | 0.0 | nan | nan | nan | 0.0 |
147
+ | 0.0088 | 22.68 | 1860 | 0.0088 | 0.0 | nan | nan | nan | 0.0 |
148
+ | 0.0178 | 22.93 | 1880 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
149
+ | 0.0103 | 23.17 | 1900 | 0.0090 | 0.0 | nan | nan | nan | 0.0 |
150
+ | 0.0117 | 23.41 | 1920 | 0.0086 | 0.0 | nan | nan | nan | 0.0 |
151
+ | 0.0144 | 23.66 | 1940 | 0.0091 | 0.0 | nan | nan | nan | 0.0 |
152
+ | 0.0086 | 23.9 | 1960 | 0.0088 | 0.0 | nan | nan | nan | 0.0 |
153
+ | 0.0118 | 24.15 | 1980 | 0.0093 | 0.0 | nan | nan | nan | 0.0 |
154
+ | 0.0103 | 24.39 | 2000 | 0.0098 | 0.0 | nan | nan | nan | 0.0 |
155
+ | 0.0094 | 24.63 | 2020 | 0.0085 | 0.0 | nan | nan | nan | 0.0 |
156
+ | 0.0069 | 24.88 | 2040 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
157
+ | 0.0118 | 25.12 | 2060 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
158
+ | 0.0076 | 25.37 | 2080 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
159
+ | 0.0093 | 25.61 | 2100 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
160
+ | 0.0091 | 25.85 | 2120 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
161
+ | 0.017 | 26.1 | 2140 | 0.0085 | 0.0 | nan | nan | nan | 0.0 |
162
+ | 0.0067 | 26.34 | 2160 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
163
+ | 0.0072 | 26.59 | 2180 | 0.0081 | 0.0 | nan | nan | nan | 0.0 |
164
+ | 0.007 | 26.83 | 2200 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
165
+ | 0.0099 | 27.07 | 2220 | 0.0083 | 0.0 | nan | nan | nan | 0.0 |
166
+ | 0.0101 | 27.32 | 2240 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
167
+ | 0.0073 | 27.56 | 2260 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
168
+ | 0.0079 | 27.8 | 2280 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
169
+ | 0.0071 | 28.05 | 2300 | 0.0077 | 0.0 | nan | nan | nan | 0.0 |
170
+ | 0.0069 | 28.29 | 2320 | 0.0074 | 0.0 | nan | nan | nan | 0.0 |
171
+ | 0.0091 | 28.54 | 2340 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
172
+ | 0.008 | 28.78 | 2360 | 0.0081 | 0.0 | nan | nan | nan | 0.0 |
173
+ | 0.0069 | 29.02 | 2380 | 0.0079 | 0.0 | nan | nan | nan | 0.0 |
174
+ | 0.0079 | 29.27 | 2400 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
175
+ | 0.0102 | 29.51 | 2420 | 0.0077 | 0.0 | nan | nan | nan | 0.0 |
176
+ | 0.0074 | 29.76 | 2440 | 0.0079 | 0.0 | nan | nan | nan | 0.0 |
177
+ | 0.0096 | 30.0 | 2460 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
178
+ | 0.0093 | 30.24 | 2480 | 0.0078 | 0.0 | nan | nan | nan | 0.0 |
179
+ | 0.0052 | 30.49 | 2500 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
180
+ | 0.0072 | 30.73 | 2520 | 0.0078 | 0.0 | nan | nan | nan | 0.0 |
181
+ | 0.0066 | 30.98 | 2540 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
182
+ | 0.0077 | 31.22 | 2560 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
183
+ | 0.0073 | 31.46 | 2580 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
184
+ | 0.0064 | 31.71 | 2600 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
185
+ | 0.0063 | 31.95 | 2620 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
186
+ | 0.0055 | 32.2 | 2640 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
187
+ | 0.0081 | 32.44 | 2660 | 0.0075 | 0.0 | nan | nan | nan | 0.0 |
188
+ | 0.0149 | 32.68 | 2680 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
189
+ | 0.0107 | 32.93 | 2700 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
190
+ | 0.007 | 33.17 | 2720 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
191
+ | 0.0061 | 33.41 | 2740 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
192
+ | 0.0092 | 33.66 | 2760 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
193
+ | 0.0069 | 33.9 | 2780 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
194
+ | 0.0059 | 34.15 | 2800 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
195
+ | 0.0081 | 34.39 | 2820 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
196
+ | 0.009 | 34.63 | 2840 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
197
+ | 0.0068 | 34.88 | 2860 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
198
+ | 0.0069 | 35.12 | 2880 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
199
+ | 0.0053 | 35.37 | 2900 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
200
+ | 0.0086 | 35.61 | 2920 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
201
+ | 0.0062 | 35.85 | 2940 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
202
+ | 0.0062 | 36.1 | 2960 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
203
+ | 0.0052 | 36.34 | 2980 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
204
+ | 0.0064 | 36.59 | 3000 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
205
+ | 0.0048 | 36.83 | 3020 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
206
+ | 0.0076 | 37.07 | 3040 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
207
+ | 0.0098 | 37.32 | 3060 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
208
+ | 0.0071 | 37.56 | 3080 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
209
+ | 0.0067 | 37.8 | 3100 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
210
+ | 0.0072 | 38.05 | 3120 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
211
+ | 0.0076 | 38.29 | 3140 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
212
+ | 0.0053 | 38.54 | 3160 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
213
+ | 0.0064 | 38.78 | 3180 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
214
+ | 0.0057 | 39.02 | 3200 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
215
+ | 0.0063 | 39.27 | 3220 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
216
+ | 0.0063 | 39.51 | 3240 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
217
+ | 0.0086 | 39.76 | 3260 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
218
+ | 0.0056 | 40.0 | 3280 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
219
+ | 0.005 | 40.24 | 3300 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
220
+ | 0.0058 | 40.49 | 3320 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
221
+ | 0.0047 | 40.73 | 3340 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
222
+ | 0.0064 | 40.98 | 3360 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
223
+ | 0.0087 | 41.22 | 3380 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
224
+ | 0.0054 | 41.46 | 3400 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
225
+ | 0.0058 | 41.71 | 3420 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
226
+ | 0.0058 | 41.95 | 3440 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
227
+ | 0.0054 | 42.2 | 3460 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
228
+ | 0.0055 | 42.44 | 3480 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
229
+ | 0.0047 | 42.68 | 3500 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
230
+ | 0.0075 | 42.93 | 3520 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
231
+ | 0.0052 | 43.17 | 3540 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
232
+ | 0.0062 | 43.41 | 3560 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
233
+ | 0.0062 | 43.66 | 3580 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
234
+ | 0.0091 | 43.9 | 3600 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
235
+ | 0.0061 | 44.15 | 3620 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
236
+ | 0.0047 | 44.39 | 3640 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
237
+ | 0.0056 | 44.63 | 3660 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
238
+ | 0.005 | 44.88 | 3680 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
239
+ | 0.005 | 45.12 | 3700 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
240
+ | 0.0053 | 45.37 | 3720 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
241
+ | 0.0074 | 45.61 | 3740 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
242
+ | 0.007 | 45.85 | 3760 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
243
+ | 0.0047 | 46.1 | 3780 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
244
+ | 0.0047 | 46.34 | 3800 | 0.0061 | 0.0 | nan | nan | nan | 0.0 |
245
+ | 0.0058 | 46.59 | 3820 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
246
+ | 0.0064 | 46.83 | 3840 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
247
+ | 0.0044 | 47.07 | 3860 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
248
+ | 0.0049 | 47.32 | 3880 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
249
+ | 0.0091 | 47.56 | 3900 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
250
+ | 0.0046 | 47.8 | 3920 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
251
+ | 0.0055 | 48.05 | 3940 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
252
+ | 0.0045 | 48.29 | 3960 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
253
+ | 0.006 | 48.54 | 3980 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
254
+ | 0.0074 | 48.78 | 4000 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
255
+ | 0.0046 | 49.02 | 4020 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
256
+ | 0.006 | 49.27 | 4040 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
257
+ | 0.0057 | 49.51 | 4060 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
258
+ | 0.0069 | 49.76 | 4080 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
259
+ | 0.0064 | 50.0 | 4100 | 0.0061 | 0.0 | nan | nan | nan | 0.0 |
260
+
261
+
262
+ ### Framework versions
263
+
264
+ - Transformers 4.28.1
265
+ - Pytorch 2.0.0+cu118
266
+ - Datasets 2.11.0
267
+ - Tokenizers 0.13.3
config.json ADDED
@@ -0,0 +1,76 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "nvidia/mit-b0",
3
+ "architectures": [
4
+ "SegformerForSemanticSegmentation"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "classifier_dropout_prob": 0.1,
8
+ "decoder_hidden_size": 256,
9
+ "depths": [
10
+ 2,
11
+ 2,
12
+ 2,
13
+ 2
14
+ ],
15
+ "downsampling_rates": [
16
+ 1,
17
+ 4,
18
+ 8,
19
+ 16
20
+ ],
21
+ "drop_path_rate": 0.1,
22
+ "hidden_act": "gelu",
23
+ "hidden_dropout_prob": 0.0,
24
+ "hidden_sizes": [
25
+ 32,
26
+ 64,
27
+ 160,
28
+ 256
29
+ ],
30
+ "id2label": {
31
+ "0": "object"
32
+ },
33
+ "image_size": 224,
34
+ "initializer_range": 0.02,
35
+ "label2id": {
36
+ "object": 0
37
+ },
38
+ "layer_norm_eps": 1e-06,
39
+ "mlp_ratios": [
40
+ 4,
41
+ 4,
42
+ 4,
43
+ 4
44
+ ],
45
+ "model_type": "segformer",
46
+ "num_attention_heads": [
47
+ 1,
48
+ 2,
49
+ 5,
50
+ 8
51
+ ],
52
+ "num_channels": 3,
53
+ "num_encoder_blocks": 4,
54
+ "patch_sizes": [
55
+ 7,
56
+ 3,
57
+ 3,
58
+ 3
59
+ ],
60
+ "reshape_last_stage": true,
61
+ "semantic_loss_ignore_index": 255,
62
+ "sr_ratios": [
63
+ 8,
64
+ 4,
65
+ 2,
66
+ 1
67
+ ],
68
+ "strides": [
69
+ 4,
70
+ 2,
71
+ 2,
72
+ 2
73
+ ],
74
+ "torch_dtype": "float32",
75
+ "transformers_version": "4.28.1"
76
+ }
pytorch_model.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:8258076b553e43cda811c69bb754079a497b637a2aaec92b37a757d9950ba73a
3
+ size 14930765
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:862d91b0bf196edb91216d4af6b6faec7a1f18bf6d8f5647c871822f0eecd65d
3
+ size 3707