End of training

README.md

@@ -14,18 +14,18 @@ should probably proofread and complete it, then remove this comment. -->
 
 This model is a fine-tuned version of [SCUT-DLVCLab/lilt-roberta-en-base](https://huggingface.co/SCUT-DLVCLab/lilt-roberta-en-base) on the None dataset.
 It achieves the following results on the evaluation set:
-- Loss: 1.7493
-- Comment: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}
-- Date: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}
-- Labname: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}
-- Laboratory: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
-- Measure: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}
-- Ref Value: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}
-- Result: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}
-- Overall Precision: 0.0
-- Overall Recall: 0.0
-- Overall F1: 0.0
-- Overall Accuracy: 0.375
+- Loss: 0.2043
+- Comment: {'precision': 1.0, 'recall': 0.9444444444444444, 'f1': 0.9714285714285714, 'number': 18}
+- Date: {'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 8}
+- Labname: {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}
+- Laboratory: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}
+- Measure: {'precision': 1.0, 'recall': 0.9230769230769231, 'f1': 0.9600000000000001, 'number': 13}
+- Ref Value: {'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 14}
+- Result: {'precision': 1.0, 'recall': 0.9285714285714286, 'f1': 0.962962962962963, 'number': 14}
+- Overall Precision: 0.9296
+- Overall Recall: 0.8919
+- Overall F1: 0.9103
+- Overall Accuracy: 0.9563
 
 ## Model description
 
@@ -45,28 +45,23 @@ More information needed
 
 The following hyperparameters were used during training:
 - learning_rate: 5e-05
-- train_batch_size: 1
-- eval_batch_size: 1
+- train_batch_size: 8
+- eval_batch_size: 8
 - seed: 42
 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
 - lr_scheduler_type: linear
-- training_steps: 10
+- training_steps: 25
 - mixed_precision_training: Native AMP
 
 ### Training results
 
-| Training Loss | Epoch | Step | Validation Loss | Comment                                                                                     | Date                                                                                                       | Labname                                                                                                   | Laboratory                                                | Measure                                                   | Ref Value                                                  | Result                                                    | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
-|:-------------:|:-----:|:----:|:---------------:|:-------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------:|:---------------------------------------------------------------------------------------------------------:|:---------------------------------------------------------:|:---------------------------------------------------------:|:----------------------------------------------------------:|:---------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
-| 2.6158        | 0.5   | 1    | 2.6467          | {'precision': 0.06666666666666667, 'recall': 0.375, 'f1': 0.11320754716981134, 'number': 8} | {'precision': 0.13333333333333333, 'recall': 0.17391304347826086, 'f1': 0.15094339622641512, 'number': 23} | {'precision': 0.16666666666666666, 'recall': 0.1111111111111111, 'f1': 0.13333333333333333, 'number': 18} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0657            | 0.1324         | 0.0878     | 0.0375           |
-| 2.6704        | 1.0   | 2    | 2.6467          | {'precision': 0.06666666666666667, 'recall': 0.375, 'f1': 0.11320754716981134, 'number': 8} | {'precision': 0.13333333333333333, 'recall': 0.17391304347826086, 'f1': 0.15094339622641512, 'number': 23} | {'precision': 0.16666666666666666, 'recall': 0.1111111111111111, 'f1': 0.13333333333333333, 'number': 18} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0657            | 0.1324         | 0.0878     | 0.0375           |
-| 2.6164        | 1.5   | 3    | 2.6467          | {'precision': 0.06666666666666667, 'recall': 0.375, 'f1': 0.11320754716981134, 'number': 8} | {'precision': 0.13333333333333333, 'recall': 0.17391304347826086, 'f1': 0.15094339622641512, 'number': 23} | {'precision': 0.16666666666666666, 'recall': 0.1111111111111111, 'f1': 0.13333333333333333, 'number': 18} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0657            | 0.1324         | 0.0878     | 0.0375           |
-| 2.6707        | 2.0   | 4    | 2.2168          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 1.8689        | 2.5   | 5    | 2.1469          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 2.1588        | 3.0   | 6    | 1.9684          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 1.0594        | 3.5   | 7    | 2.0123          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 2.0705        | 4.0   | 8    | 1.8896          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 1.9698        | 4.5   | 9    | 1.7493          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
-| 0.8502        | 5.0   | 10   | 1.6972          | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                   | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}                                                 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 18}                                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3} | 0.0               | 0.0            | 0.0        | 0.375            |
+| Training Loss | Epoch | Step | Validation Loss | Comment                                                                                                | Date                                                                                     | Labname                                                                                 | Laboratory                                                | Measure                                                                                                  | Ref Value                                                                                                | Result                                                                                                  | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy |
+|:-------------:|:-----:|:----:|:---------------:|:------------------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------:|:---------------------------------------------------------------------------------------:|:---------------------------------------------------------:|:--------------------------------------------------------------------------------------------------------:|:--------------------------------------------------------------------------------------------------------:|:-------------------------------------------------------------------------------------------------------:|:-----------------:|:--------------:|:----------:|:----------------:|
+| 1.2584        | 5.0   | 5    | 0.9810          | {'precision': 1.0, 'recall': 0.05555555555555555, 'f1': 0.10526315789473684, 'number': 18}             | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}                               | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.6666666666666666, 'recall': 0.3076923076923077, 'f1': 0.42105263157894735, 'number': 13} | {'precision': 0.5714285714285714, 'recall': 0.2857142857142857, 'f1': 0.38095238095238093, 'number': 14} | {'precision': 0.4482758620689655, 'recall': 0.9285714285714286, 'f1': 0.6046511627906977, 'number': 14} | 0.44              | 0.2973         | 0.3548     | 0.7125           |
+| 0.6614        | 10.0  | 10   | 0.5382          | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                | {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.8333333333333334, 'recall': 0.38461538461538464, 'f1': 0.5263157894736842, 'number': 13} | {'precision': 0.8125, 'recall': 0.9285714285714286, 'f1': 0.8666666666666666, 'number': 14}              | {'precision': 1.0, 'recall': 0.7857142857142857, 'f1': 0.88, 'number': 14}                              | 0.8475            | 0.6757         | 0.7519     | 0.9              |
+| 0.3955        | 15.0  | 15   | 0.3360          | {'precision': 0.8947368421052632, 'recall': 0.9444444444444444, 'f1': 0.918918918918919, 'number': 18} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}                                | {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 0.8333333333333334, 'recall': 0.38461538461538464, 'f1': 0.5263157894736842, 'number': 13} | {'precision': 0.8125, 'recall': 0.9285714285714286, 'f1': 0.8666666666666666, 'number': 14}              | {'precision': 1.0, 'recall': 0.7857142857142857, 'f1': 0.88, 'number': 14}                              | 0.8475            | 0.6757         | 0.7519     | 0.9              |
+| 0.2654        | 20.0  | 20   | 0.2405          | {'precision': 1.0, 'recall': 0.8888888888888888, 'f1': 0.9411764705882353, 'number': 18}               | {'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 8} | {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 1.0, 'recall': 0.9230769230769231, 'f1': 0.9600000000000001, 'number': 13}                 | {'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 14}                              | {'precision': 0.9285714285714286, 'recall': 0.9285714285714286, 'f1': 0.9285714285714286, 'number': 14} | 0.9155            | 0.8784         | 0.8966     | 0.95             |
+| 0.2125        | 25.0  | 25   | 0.2043          | {'precision': 1.0, 'recall': 0.9444444444444444, 'f1': 0.9714285714285714, 'number': 18}               | {'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 8} | {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2} | {'precision': 1.0, 'recall': 0.9230769230769231, 'f1': 0.9600000000000001, 'number': 13}                 | {'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 14}                              | {'precision': 1.0, 'recall': 0.9285714285714286, 'f1': 0.962962962962963, 'number': 14}                 | 0.9296            | 0.8919         | 0.9103     | 0.9563           |
 
 
 ### Framework versions

logs/events.out.tfevents.1674200616.pc092u.2752457.3

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:0554ac1a8c290ce1faa480b8c5bfbd0a799a02e96aa809a9c6ac4eca8bfbdbb9
-size 5086
+oid sha256:d78c434cde0cc982d27a775abda0094fe4faa6380322f16af9e0bb9a01552a75
+size 8030

logs/events.out.tfevents.1674200673.pc092u.2752457.5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:637b7d27a8ee3d6cf72b3f0211c972c6303a57188eb05f1d577b3ac68eb60728
+size 535

pytorch_model.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:1cc8c3ac2c52041c72843d268e55629f95999f28cb6c56cf5d21948d14809578
+oid sha256:c30f86fa2e3eaf0643cd5d777c39cd0fdec184b51a148449f44bc9dfff8df20f
 size 520839775