End of training

README.md

@@ -16,14 +16,14 @@ should probably proofread and complete it, then remove this comment. -->
 
 This model is a fine-tuned version of [microsoft/layoutlm-base-uncased](https://huggingface.co/microsoft/layoutlm-base-uncased) on the None dataset.
 It achieves the following results on the evaluation set:
-- Loss: 0.1967
-- Eader: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}
-- Nswer: {'precision': 0.8354430379746836, 'recall': 0.88, 'f1': 0.8571428571428572, 'number': 75}
-- Uestion: {'precision': 0.8571428571428571, 'recall': 0.868421052631579, 'f1': 0.8627450980392157, 'number': 76}
-- Overall Precision: 0.8554
-- Overall Recall: 0.8820
-- Overall F1: 0.8685
-- Overall Accuracy: 0.9435
+- Loss: 0.8302
+- Eader: {'precision': 0.4444444444444444, 'recall': 0.25, 'f1': 0.32, 'number': 32}
+- Nswer: {'precision': 0.45569620253164556, 'recall': 0.5142857142857142, 'f1': 0.4832214765100671, 'number': 70}
+- Uestion: {'precision': 0.4868421052631579, 'recall': 0.47435897435897434, 'f1': 0.48051948051948057, 'number': 78}
+- Overall Precision: 0.4682
+- Overall Recall: 0.45
+- Overall F1: 0.4589
+- Overall Accuracy: 0.7758
 
 ## Model description
 
@@ -53,23 +53,23 @@ The following hyperparameters were used during training:
 
 ### Training results
 
-| Training Loss | Epoch | Step | Validation Loss | Eader                                                                                     | Nswer                                                                                                   | Uestion                                                                                                 | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
-|:-------------:|:-----:|:----:|:---------------:|:-----------------------------------------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
-| 1.1495        | 1.0   | 4    | 1.0698          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}                                | {'precision': 0.2, 'recall': 0.013333333333333334, 'f1': 0.025, 'number': 75}                           | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 76}                                              | 0.0909            | 0.0062         | 0.0116     | 0.4960           |
-| 0.9448        | 2.0   | 8    | 0.9517          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}                                | {'precision': 0.2, 'recall': 0.013333333333333334, 'f1': 0.025, 'number': 75}                           | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 76}                                              | 0.0909            | 0.0062         | 0.0116     | 0.5              |
-| 0.8403        | 3.0   | 12   | 0.7857          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}                                | {'precision': 0.4927536231884058, 'recall': 0.4533333333333333, 'f1': 0.4722222222222222, 'number': 75} | {'precision': 0.3684210526315789, 'recall': 0.3684210526315789, 'f1': 0.3684210526315789, 'number': 76} | 0.4189            | 0.3851         | 0.4013     | 0.6633           |
-| 0.6355        | 4.0   | 16   | 0.6129          | {'precision': 0.2857142857142857, 'recall': 0.2, 'f1': 0.23529411764705882, 'number': 10} | {'precision': 0.5353535353535354, 'recall': 0.7066666666666667, 'f1': 0.6091954022988506, 'number': 75} | {'precision': 0.5865384615384616, 'recall': 0.8026315789473685, 'f1': 0.6777777777777778, 'number': 76} | 0.5524            | 0.7205         | 0.6253     | 0.7802           |
-| 0.4708        | 5.0   | 20   | 0.4714          | {'precision': 0.5555555555555556, 'recall': 0.5, 'f1': 0.5263157894736842, 'number': 10}  | {'precision': 0.6853932584269663, 'recall': 0.8133333333333334, 'f1': 0.7439024390243902, 'number': 75} | {'precision': 0.6956521739130435, 'recall': 0.8421052631578947, 'f1': 0.761904761904762, 'number': 76}  | 0.6842            | 0.8075         | 0.7407     | 0.8387           |
-| 0.3531        | 6.0   | 24   | 0.3538          | {'precision': 0.8, 'recall': 0.8, 'f1': 0.8000000000000002, 'number': 10}                 | {'precision': 0.7471264367816092, 'recall': 0.8666666666666667, 'f1': 0.8024691358024691, 'number': 75} | {'precision': 0.7764705882352941, 'recall': 0.868421052631579, 'f1': 0.8198757763975155, 'number': 76}  | 0.7637            | 0.8634         | 0.8105     | 0.8831           |
-| 0.2414        | 7.0   | 28   | 0.2841          | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 10}                                | {'precision': 0.7804878048780488, 'recall': 0.8533333333333334, 'f1': 0.8152866242038218, 'number': 75} | {'precision': 0.7804878048780488, 'recall': 0.8421052631578947, 'f1': 0.810126582278481, 'number': 76}  | 0.7874            | 0.8509         | 0.8179     | 0.9133           |
-| 0.2138        | 8.0   | 32   | 0.2437          | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 10}                                | {'precision': 0.7875, 'recall': 0.84, 'f1': 0.8129032258064516, 'number': 75}                           | {'precision': 0.7682926829268293, 'recall': 0.8289473684210527, 'f1': 0.7974683544303798, 'number': 76} | 0.7849            | 0.8385         | 0.8108     | 0.9294           |
-| 0.2558        | 9.0   | 36   | 0.2162          | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 10}                                | {'precision': 0.8, 'recall': 0.8533333333333334, 'f1': 0.8258064516129033, 'number': 75}                | {'precision': 0.8441558441558441, 'recall': 0.8552631578947368, 'f1': 0.8496732026143792, 'number': 76} | 0.8263            | 0.8571         | 0.8415     | 0.9375           |
-| 0.1247        | 10.0  | 40   | 0.2025          | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 10}                                | {'precision': 0.8, 'recall': 0.8533333333333334, 'f1': 0.8258064516129033, 'number': 75}                | {'precision': 0.8441558441558441, 'recall': 0.8552631578947368, 'f1': 0.8496732026143792, 'number': 76} | 0.8263            | 0.8571         | 0.8415     | 0.9375           |
-| 0.1053        | 11.0  | 44   | 0.2047          | {'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 10}                                | {'precision': 0.810126582278481, 'recall': 0.8533333333333334, 'f1': 0.8311688311688312, 'number': 75}  | {'precision': 0.8421052631578947, 'recall': 0.8421052631578947, 'f1': 0.8421052631578947, 'number': 76} | 0.8303            | 0.8509         | 0.8405     | 0.9375           |
-| 0.1101        | 12.0  | 48   | 0.2053          | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}                                | {'precision': 0.810126582278481, 'recall': 0.8533333333333334, 'f1': 0.8311688311688312, 'number': 75}  | {'precision': 0.8421052631578947, 'recall': 0.8421052631578947, 'f1': 0.8421052631578947, 'number': 76} | 0.8364            | 0.8571         | 0.8466     | 0.9395           |
-| 0.0894        | 13.0  | 52   | 0.2016          | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}                                | {'precision': 0.810126582278481, 'recall': 0.8533333333333334, 'f1': 0.8311688311688312, 'number': 75}  | {'precision': 0.8421052631578947, 'recall': 0.8421052631578947, 'f1': 0.8421052631578947, 'number': 76} | 0.8364            | 0.8571         | 0.8466     | 0.9395           |
-| 0.1657        | 14.0  | 56   | 0.1980          | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}                                | {'precision': 0.8354430379746836, 'recall': 0.88, 'f1': 0.8571428571428572, 'number': 75}               | {'precision': 0.8571428571428571, 'recall': 0.868421052631579, 'f1': 0.8627450980392157, 'number': 76}  | 0.8554            | 0.8820         | 0.8685     | 0.9435           |
-| 0.0884        | 15.0  | 60   | 0.1967          | {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}                                | {'precision': 0.8354430379746836, 'recall': 0.88, 'f1': 0.8571428571428572, 'number': 75}               | {'precision': 0.8571428571428571, 'recall': 0.868421052631579, 'f1': 0.8627450980392157, 'number': 76}  | 0.8554            | 0.8820         | 0.8685     | 0.9435           |
+| Training Loss | Epoch | Step | Validation Loss | Eader                                                                                          | Nswer                                                                                                       | Uestion                                                                                                    | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
+|:-------------:|:-----:|:----:|:---------------:|:----------------------------------------------------------------------------------------------:|:-----------------------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
+| 1.2754        | 1.0   | 13   | 1.0702          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 32}                                     | {'precision': 0.046413502109704644, 'recall': 0.15714285714285714, 'f1': 0.07166123778501629, 'number': 70} | {'precision': 0.05063291139240506, 'recall': 0.15384615384615385, 'f1': 0.0761904761904762, 'number': 78}  | 0.0485            | 0.1278         | 0.0703     | 0.5865           |
+| 0.8597        | 2.0   | 26   | 0.7226          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 32}                                     | {'precision': 0.30097087378640774, 'recall': 0.44285714285714284, 'f1': 0.3583815028901734, 'number': 70}   | {'precision': 0.2647058823529412, 'recall': 0.34615384615384615, 'f1': 0.29999999999999993, 'number': 78}  | 0.2723            | 0.3222         | 0.2952     | 0.7685           |
+| 0.624         | 3.0   | 39   | 0.6206          | {'precision': 0.1875, 'recall': 0.09375, 'f1': 0.125, 'number': 32}                            | {'precision': 0.36470588235294116, 'recall': 0.44285714285714284, 'f1': 0.3999999999999999, 'number': 70}   | {'precision': 0.4533333333333333, 'recall': 0.4358974358974359, 'f1': 0.44444444444444436, 'number': 78}   | 0.3864            | 0.3778         | 0.3820     | 0.8065           |
+| 0.4821        | 4.0   | 52   | 0.6513          | {'precision': 0.3125, 'recall': 0.15625, 'f1': 0.20833333333333334, 'number': 32}              | {'precision': 0.3707865168539326, 'recall': 0.4714285714285714, 'f1': 0.41509433962264153, 'number': 70}    | {'precision': 0.4050632911392405, 'recall': 0.41025641025641024, 'f1': 0.4076433121019108, 'number': 78}   | 0.3804            | 0.3889         | 0.3846     | 0.7637           |
+| 0.371         | 5.0   | 65   | 0.7466          | {'precision': 0.36363636363636365, 'recall': 0.25, 'f1': 0.2962962962962963, 'number': 32}     | {'precision': 0.4069767441860465, 'recall': 0.5, 'f1': 0.4487179487179487, 'number': 70}                    | {'precision': 0.40476190476190477, 'recall': 0.4358974358974359, 'f1': 0.4197530864197531, 'number': 78}   | 0.4010            | 0.4278         | 0.4140     | 0.7131           |
+| 0.3068        | 6.0   | 78   | 0.6943          | {'precision': 0.4444444444444444, 'recall': 0.25, 'f1': 0.32, 'number': 32}                    | {'precision': 0.42857142857142855, 'recall': 0.5142857142857142, 'f1': 0.4675324675324675, 'number': 70}    | {'precision': 0.44871794871794873, 'recall': 0.44871794871794873, 'f1': 0.44871794871794873, 'number': 78} | 0.4389            | 0.4389         | 0.4389     | 0.7498           |
+| 0.2523        | 7.0   | 91   | 0.7129          | {'precision': 0.4117647058823529, 'recall': 0.21875, 'f1': 0.2857142857142857, 'number': 32}   | {'precision': 0.3950617283950617, 'recall': 0.45714285714285713, 'f1': 0.423841059602649, 'number': 70}     | {'precision': 0.4788732394366197, 'recall': 0.4358974358974359, 'f1': 0.45637583892617445, 'number': 78}   | 0.4320            | 0.4056         | 0.4183     | 0.7728           |
+| 0.2073        | 8.0   | 104  | 0.8039          | {'precision': 0.4, 'recall': 0.25, 'f1': 0.3076923076923077, 'number': 32}                     | {'precision': 0.546875, 'recall': 0.5, 'f1': 0.5223880597014925, 'number': 70}                              | {'precision': 0.4864864864864865, 'recall': 0.46153846153846156, 'f1': 0.47368421052631576, 'number': 78}  | 0.5               | 0.4389         | 0.4675     | 0.7426           |
+| 0.1673        | 9.0   | 117  | 0.7874          | {'precision': 0.3157894736842105, 'recall': 0.1875, 'f1': 0.23529411764705882, 'number': 32}   | {'precision': 0.4583333333333333, 'recall': 0.4714285714285714, 'f1': 0.46478873239436613, 'number': 70}    | {'precision': 0.4722222222222222, 'recall': 0.4358974358974359, 'f1': 0.45333333333333337, 'number': 78}   | 0.4479            | 0.4056         | 0.4257     | 0.7559           |
+| 0.1556        | 10.0  | 130  | 0.7440          | {'precision': 0.42105263157894735, 'recall': 0.25, 'f1': 0.3137254901960784, 'number': 32}     | {'precision': 0.4931506849315068, 'recall': 0.5142857142857142, 'f1': 0.5034965034965034, 'number': 70}     | {'precision': 0.4794520547945205, 'recall': 0.44871794871794873, 'f1': 0.4635761589403974, 'number': 78}   | 0.4788            | 0.4389         | 0.4580     | 0.7860           |
+| 0.1304        | 11.0  | 143  | 0.8451          | {'precision': 0.42105263157894735, 'recall': 0.25, 'f1': 0.3137254901960784, 'number': 32}     | {'precision': 0.45, 'recall': 0.5142857142857142, 'f1': 0.48, 'number': 70}                                 | {'precision': 0.45, 'recall': 0.46153846153846156, 'f1': 0.45569620253164556, 'number': 78}                | 0.4469            | 0.4444         | 0.4457     | 0.7655           |
+| 0.1231        | 12.0  | 156  | 0.9197          | {'precision': 0.375, 'recall': 0.28125, 'f1': 0.32142857142857145, 'number': 32}               | {'precision': 0.49295774647887325, 'recall': 0.5, 'f1': 0.49645390070921985, 'number': 70}                  | {'precision': 0.44871794871794873, 'recall': 0.44871794871794873, 'f1': 0.44871794871794873, 'number': 78} | 0.4566            | 0.4389         | 0.4476     | 0.7432           |
+| 0.1062        | 13.0  | 169  | 0.8122          | {'precision': 0.47368421052631576, 'recall': 0.28125, 'f1': 0.35294117647058826, 'number': 32} | {'precision': 0.47368421052631576, 'recall': 0.5142857142857142, 'f1': 0.4931506849315068, 'number': 70}    | {'precision': 0.5135135135135135, 'recall': 0.48717948717948717, 'f1': 0.5, 'number': 78}                  | 0.4911            | 0.4611         | 0.4756     | 0.7836           |
+| 0.1072        | 14.0  | 182  | 0.8369          | {'precision': 0.391304347826087, 'recall': 0.28125, 'f1': 0.3272727272727273, 'number': 32}    | {'precision': 0.43037974683544306, 'recall': 0.4857142857142857, 'f1': 0.4563758389261745, 'number': 70}    | {'precision': 0.46153846153846156, 'recall': 0.46153846153846156, 'f1': 0.46153846153846156, 'number': 78} | 0.4389            | 0.4389         | 0.4389     | 0.7746           |
+| 0.1028        | 15.0  | 195  | 0.8302          | {'precision': 0.4444444444444444, 'recall': 0.25, 'f1': 0.32, 'number': 32}                    | {'precision': 0.45569620253164556, 'recall': 0.5142857142857142, 'f1': 0.4832214765100671, 'number': 70}    | {'precision': 0.4868421052631579, 'recall': 0.47435897435897434, 'f1': 0.48051948051948057, 'number': 78}  | 0.4682            | 0.45           | 0.4589     | 0.7758           |
 
 
 ### Framework versions

logs/events.out.tfevents.1741078328.DESKTOP-HA84SVN.3577307.0

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:6243972c8253a154c1e168c7fec7fa003353c3aa4d76ab3e302b20c7736ae525
-size 14363
+oid sha256:ce89c9557f4c80c2ba79d34b3d7be3d502d34568687b8c76e2c86b33e6f0f0ba
+size 16147