File size: 7,418 Bytes
f566835 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 |
---
library_name: transformers
license: mit
base_model: microsoft/layoutlm-base-uncased
tags:
- generated_from_trainer
model-index:
- name: layoutlm-paragraphs
results: []
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# layoutlm-paragraphs
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: 0.0883
- Aragraph: {'precision': 0.48, 'recall': 0.6666666666666666, 'f1': 0.5581395348837209, 'number': 18}
- Ull: {'precision': 0.56, 'recall': 0.7777777777777778, 'f1': 0.6511627906976745, 'number': 18}
- Overall Precision: 0.52
- Overall Recall: 0.7222
- Overall F1: 0.6047
- Overall Accuracy: 0.9843
## 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: 3e-05
- train_batch_size: 16
- eval_batch_size: 8
- seed: 42
- optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
- lr_scheduler_type: linear
- num_epochs: 15
- mixed_precision_training: Native AMP
### Training results
| Training Loss | Epoch | Step | Validation Loss | Aragraph | Ull | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
|:-------------:|:-----:|:----:|:---------------:|:---------------------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
| 0.4984 | 1.0 | 7 | 0.2661 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18} | {'precision': 0.011396011396011397, 'recall': 0.2222222222222222, 'f1': 0.02168021680216802, 'number': 18} | 0.0057 | 0.1111 | 0.0108 | 0.9371 |
| 0.1418 | 2.0 | 14 | 0.1140 | {'precision': 0.0375, 'recall': 0.16666666666666666, 'f1': 0.061224489795918366, 'number': 18} | {'precision': 0.0375, 'recall': 0.16666666666666666, 'f1': 0.061224489795918366, 'number': 18} | 0.0375 | 0.1667 | 0.0612 | 0.9674 |
| 0.0517 | 3.0 | 21 | 0.1035 | {'precision': 0.125, 'recall': 0.3333333333333333, 'f1': 0.18181818181818182, 'number': 18} | {'precision': 0.14583333333333334, 'recall': 0.3888888888888889, 'f1': 0.21212121212121213, 'number': 18} | 0.1354 | 0.3611 | 0.1970 | 0.9726 |
| 0.0476 | 4.0 | 28 | 0.0844 | {'precision': 0.43333333333333335, 'recall': 0.7222222222222222, 'f1': 0.5416666666666666, 'number': 18} | {'precision': 0.4666666666666667, 'recall': 0.7777777777777778, 'f1': 0.5833333333333334, 'number': 18} | 0.45 | 0.75 | 0.5625 | 0.9803 |
| 0.0335 | 5.0 | 35 | 0.0895 | {'precision': 0.6666666666666666, 'recall': 0.8888888888888888, 'f1': 0.761904761904762, 'number': 18} | {'precision': 0.625, 'recall': 0.8333333333333334, 'f1': 0.7142857142857143, 'number': 18} | 0.6458 | 0.8611 | 0.7381 | 0.9813 |
| 0.0329 | 6.0 | 42 | 0.0746 | {'precision': 0.5, 'recall': 0.7777777777777778, 'f1': 0.6086956521739131, 'number': 18} | {'precision': 0.5, 'recall': 0.7777777777777778, 'f1': 0.6086956521739131, 'number': 18} | 0.5 | 0.7778 | 0.6087 | 0.9833 |
| 0.0249 | 7.0 | 49 | 0.0718 | {'precision': 0.35714285714285715, 'recall': 0.5555555555555556, 'f1': 0.43478260869565216, 'number': 18} | {'precision': 0.4642857142857143, 'recall': 0.7222222222222222, 'f1': 0.5652173913043479, 'number': 18} | 0.4107 | 0.6389 | 0.5 | 0.9834 |
| 0.0174 | 8.0 | 56 | 0.0759 | {'precision': 0.42857142857142855, 'recall': 0.6666666666666666, 'f1': 0.5217391304347826, 'number': 18} | {'precision': 0.5, 'recall': 0.7777777777777778, 'f1': 0.6086956521739131, 'number': 18} | 0.4643 | 0.7222 | 0.5652 | 0.9836 |
| 0.0144 | 9.0 | 63 | 0.0845 | {'precision': 0.5, 'recall': 0.7222222222222222, 'f1': 0.5909090909090908, 'number': 18} | {'precision': 0.5384615384615384, 'recall': 0.7777777777777778, 'f1': 0.6363636363636364, 'number': 18} | 0.5192 | 0.75 | 0.6136 | 0.9839 |
| 0.0131 | 10.0 | 70 | 0.0895 | {'precision': 0.6363636363636364, 'recall': 0.7777777777777778, 'f1': 0.7000000000000001, 'number': 18} | {'precision': 0.6818181818181818, 'recall': 0.8333333333333334, 'f1': 0.7499999999999999, 'number': 18} | 0.6591 | 0.8056 | 0.7250 | 0.9847 |
| 0.0179 | 11.0 | 77 | 0.0922 | {'precision': 0.6666666666666666, 'recall': 0.7777777777777778, 'f1': 0.717948717948718, 'number': 18} | {'precision': 0.7142857142857143, 'recall': 0.8333333333333334, 'f1': 0.7692307692307692, 'number': 18} | 0.6905 | 0.8056 | 0.7436 | 0.9848 |
| 0.0151 | 12.0 | 84 | 0.0902 | {'precision': 0.6363636363636364, 'recall': 0.7777777777777778, 'f1': 0.7000000000000001, 'number': 18} | {'precision': 0.6818181818181818, 'recall': 0.8333333333333334, 'f1': 0.7499999999999999, 'number': 18} | 0.6591 | 0.8056 | 0.7250 | 0.9847 |
| 0.0127 | 13.0 | 91 | 0.0886 | {'precision': 0.5416666666666666, 'recall': 0.7222222222222222, 'f1': 0.619047619047619, 'number': 18} | {'precision': 0.625, 'recall': 0.8333333333333334, 'f1': 0.7142857142857143, 'number': 18} | 0.5833 | 0.7778 | 0.6667 | 0.9845 |
| 0.0118 | 14.0 | 98 | 0.0883 | {'precision': 0.5, 'recall': 0.6666666666666666, 'f1': 0.5714285714285715, 'number': 18} | {'precision': 0.5833333333333334, 'recall': 0.7777777777777778, 'f1': 0.6666666666666666, 'number': 18} | 0.5417 | 0.7222 | 0.6190 | 0.9844 |
| 0.012 | 15.0 | 105 | 0.0883 | {'precision': 0.48, 'recall': 0.6666666666666666, 'f1': 0.5581395348837209, 'number': 18} | {'precision': 0.56, 'recall': 0.7777777777777778, 'f1': 0.6511627906976745, 'number': 18} | 0.52 | 0.7222 | 0.6047 | 0.9843 |
### Framework versions
- Transformers 4.52.3
- Pytorch 2.7.0+cpu
- Datasets 3.6.0
- Tokenizers 0.21.1
|