square_run_square_run_first_vote_full_pic_25_age

This model is a fine-tuned version of google/vit-base-patch16-224 on an unknown dataset. It achieves the following results on the evaluation set:

• Loss: 1.8420
• F1 Macro: 0.2101
• F1 Micro: 0.3182
• F1 Weighted: 0.2588
• Precision Macro: 0.1853
• Precision Micro: 0.3182
• Precision Weighted: 0.2261
• Recall Macro: 0.2563
• Recall Micro: 0.3182
• Recall Weighted: 0.3182
• Accuracy: 0.3182

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: 0.0001
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_BNB with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: linear
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	F1 Macro	F1 Micro	F1 Weighted	Precision Macro	Precision Micro	Precision Weighted	Recall Macro	Recall Micro	Recall Weighted	Accuracy
1.8947	1.0	58	1.9103	0.0802	0.1591	0.0926	0.0654	0.1591	0.0737	0.1311	0.1591	0.1591	0.1591
1.9864	2.0	116	2.0017	0.0614	0.1439	0.0665	0.0434	0.1439	0.0473	0.1340	0.1439	0.1439	0.1439
1.9069	3.0	174	1.8861	0.1323	0.2348	0.1697	0.1197	0.2348	0.1496	0.1773	0.2348	0.2348	0.2348
1.7102	4.0	232	1.8780	0.0963	0.2273	0.1303	0.0927	0.2273	0.1189	0.1631	0.2273	0.2273	0.2273
1.9048	5.0	290	1.8504	0.1544	0.2424	0.1936	0.1677	0.2424	0.2005	0.1873	0.2424	0.2424	0.2424
1.8432	6.0	348	1.9349	0.1092	0.1591	0.1296	0.0978	0.1591	0.1203	0.1407	0.1591	0.1591	0.1591
2.051	7.0	406	1.9871	0.1542	0.2273	0.1718	0.2630	0.2273	0.2834	0.1932	0.2273	0.2273	0.2273
1.6873	8.0	464	2.1073	0.1197	0.1742	0.1432	0.1470	0.1742	0.1808	0.1434	0.1742	0.1742	0.1742
1.6756	9.0	522	2.0864	0.1541	0.2121	0.1829	0.1584	0.2121	0.1847	0.1760	0.2121	0.2121	0.2121
1.3861	10.0	580	2.1820	0.2356	0.2879	0.2457	0.3112	0.2879	0.2483	0.2629	0.2879	0.2879	0.2879
1.4967	11.0	638	2.3178	0.1792	0.2121	0.2035	0.1951	0.2121	0.2294	0.1895	0.2121	0.2121	0.2121
0.647	12.0	696	2.5355	0.2424	0.2348	0.2357	0.3563	0.2348	0.2855	0.2339	0.2348	0.2348	0.2348
1.0499	13.0	754	2.6150	0.2180	0.2197	0.2148	0.3053	0.2197	0.2945	0.2269	0.2197	0.2197	0.2197
0.8517	14.0	812	2.5920	0.2557	0.2576	0.2599	0.3949	0.2576	0.3338	0.2385	0.2576	0.2576	0.2576
0.9049	15.0	870	2.7174	0.2563	0.2652	0.2625	0.2770	0.2652	0.2709	0.2515	0.2652	0.2652	0.2652
0.4174	16.0	928	2.8881	0.2089	0.2121	0.2107	0.3001	0.2121	0.2618	0.1958	0.2121	0.2121	0.2121
0.3634	17.0	986	3.1611	0.2103	0.2348	0.2209	0.2170	0.2348	0.2139	0.2145	0.2348	0.2348	0.2348
0.4008	18.0	1044	3.4658	0.2233	0.2576	0.2354	0.2480	0.2576	0.2431	0.2321	0.2576	0.2576	0.2576
0.1012	19.0	1102	3.5065	0.2435	0.2652	0.2569	0.3072	0.2652	0.2987	0.2398	0.2652	0.2652	0.2652
0.1552	20.0	1160	3.5254	0.2306	0.25	0.2416	0.2414	0.25	0.2520	0.2357	0.25	0.25	0.25
0.0613	21.0	1218	3.6319	0.2040	0.2197	0.2084	0.2162	0.2197	0.2073	0.2057	0.2197	0.2197	0.2197
0.1634	22.0	1276	3.6378	0.2652	0.2803	0.2734	0.2815	0.2803	0.2789	0.2623	0.2803	0.2803	0.2803
0.2401	23.0	1334	3.6470	0.2371	0.25	0.2479	0.2416	0.25	0.2497	0.2360	0.25	0.25	0.25
0.0739	24.0	1392	3.9052	0.2123	0.2197	0.2194	0.2290	0.2197	0.2298	0.2076	0.2197	0.2197	0.2197
0.2851	25.0	1450	3.8456	0.2345	0.2424	0.2424	0.2478	0.2424	0.2458	0.2300	0.2424	0.2424	0.2424
0.0082	26.0	1508	4.0511	0.2375	0.25	0.2412	0.2737	0.25	0.2497	0.2332	0.25	0.25	0.25
0.012	27.0	1566	4.1588	0.2219	0.2348	0.2280	0.2510	0.2348	0.2411	0.2176	0.2348	0.2348	0.2348
0.0052	28.0	1624	4.2070	0.2218	0.2348	0.2256	0.2390	0.2348	0.2339	0.2245	0.2348	0.2348	0.2348
0.0197	29.0	1682	4.1533	0.2259	0.2424	0.2355	0.2402	0.2424	0.2388	0.2256	0.2424	0.2424	0.2424
0.0225	30.0	1740	4.1562	0.2426	0.2576	0.2530	0.2587	0.2576	0.2561	0.2388	0.2576	0.2576	0.2576

Framework versions

• Transformers 4.49.0
• Pytorch 2.6.0+cu124
• Datasets 3.3.1
• Tokenizers 0.21.0