roberta-large-ner-ghtk-gam-add-3label-new-data-3090-13Sep-1

This model was trained from scratch on the None dataset. It achieves the following results on the evaluation set:

• Loss: 1.1466
• Hiều cao khách hàng: {'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}
• Hất tóc: {'precision': 0.2638888888888889, 'recall': 0.7037037037037037, 'f1': 0.38383838383838387, 'number': 27}
• Oại da: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}
• Àu da: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}
• Áng khuôn mặt: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}
• Áng người: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}
• Ân nặng khách hàng: {'precision': 0.9259259259259259, 'recall': 0.8064516129032258, 'f1': 0.8620689655172414, 'number': 31}
• Ật độ tóc: {'precision': 0.25862068965517243, 'recall': 1.0, 'f1': 0.4109589041095891, 'number': 15}
• Ặc điểm khác của da: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}
• Ộ dài tóc: {'precision': 0.3111111111111111, 'recall': 0.7777777777777778, 'f1': 0.44444444444444436, 'number': 18}
• Overall Precision: 0.4152
• Overall Recall: 0.4061
• Overall F1: 0.4106
• Overall Accuracy: 0.8281

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: 2.5e-05
• 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
• num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Hiều cao khách hàng	Hất tóc	Oại da	Àu da	Áng khuôn mặt	Áng người	Ân nặng khách hàng	Ật độ tóc	Ặc điểm khác của da	Ộ dài tóc	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
No log	1.0	29	1.0654	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20}	{'precision': 0.23728813559322035, 'recall': 0.5185185185185185, 'f1': 0.3255813953488372, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.22807017543859648, 'recall': 0.8666666666666667, 'f1': 0.3611111111111111, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.18571428571428572, 'recall': 0.7222222222222222, 'f1': 0.29545454545454547, 'number': 18}	0.2151	0.1747	0.1928	0.7708
No log	2.0	58	1.1336	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20}	{'precision': 0.34, 'recall': 0.6296296296296297, 'f1': 0.4415584415584416, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.25, 'recall': 0.8666666666666667, 'f1': 0.3880597014925373, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.17721518987341772, 'recall': 0.7777777777777778, 'f1': 0.28865979381443296, 'number': 18}	0.2431	0.1921	0.2146	0.7757
No log	3.0	87	1.2027	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20}	{'precision': 0.32727272727272727, 'recall': 0.6666666666666666, 'f1': 0.43902439024390244, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.24561403508771928, 'recall': 0.9333333333333333, 'f1': 0.38888888888888884, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.13953488372093023, 'recall': 0.6666666666666666, 'f1': 0.23076923076923078, 'number': 18}	0.2222	0.1921	0.2061	0.7719
No log	4.0	116	1.2138	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20}	{'precision': 0.30357142857142855, 'recall': 0.6296296296296297, 'f1': 0.4096385542168675, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.23728813559322035, 'recall': 0.9333333333333333, 'f1': 0.37837837837837834, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.14285714285714285, 'recall': 0.7222222222222222, 'f1': 0.2385321100917431, 'number': 18}	0.2136	0.1921	0.2023	0.7643
No log	5.0	145	1.2132	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 20}	{'precision': 0.2903225806451613, 'recall': 0.6666666666666666, 'f1': 0.4044943820224719, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.26785714285714285, 'recall': 1.0, 'f1': 0.4225352112676056, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.15294117647058825, 'recall': 0.7222222222222222, 'f1': 0.2524271844660194, 'number': 18}	0.2266	0.2009	0.2130	0.7735
No log	6.0	174	1.1238	{'precision': 0.95, 'recall': 0.95, 'f1': 0.9500000000000001, 'number': 20}	{'precision': 0.26865671641791045, 'recall': 0.6666666666666666, 'f1': 0.3829787234042553, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 31}	{'precision': 0.26785714285714285, 'recall': 1.0, 'f1': 0.4225352112676056, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.16455696202531644, 'recall': 0.7222222222222222, 'f1': 0.26804123711340205, 'number': 18}	0.2928	0.2838	0.2882	0.7924
No log	7.0	203	1.1253	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 0.2535211267605634, 'recall': 0.6666666666666666, 'f1': 0.3673469387755102, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.9166666666666666, 'recall': 0.7096774193548387, 'f1': 0.7999999999999999, 'number': 31}	{'precision': 0.2542372881355932, 'recall': 1.0, 'f1': 0.4054054054054054, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.2549019607843137, 'recall': 0.7222222222222222, 'f1': 0.3768115942028985, 'number': 18}	0.3894	0.3843	0.3868	0.8222
No log	8.0	232	1.1323	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 0.2753623188405797, 'recall': 0.7037037037037037, 'f1': 0.3958333333333333, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.9259259259259259, 'recall': 0.8064516129032258, 'f1': 0.8620689655172414, 'number': 31}	{'precision': 0.25862068965517243, 'recall': 1.0, 'f1': 0.4109589041095891, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.3333333333333333, 'recall': 0.8333333333333334, 'f1': 0.47619047619047616, 'number': 18}	0.4273	0.4105	0.4187	0.8351
No log	9.0	261	1.1526	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 0.2602739726027397, 'recall': 0.7037037037037037, 'f1': 0.38, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.9259259259259259, 'recall': 0.8064516129032258, 'f1': 0.8620689655172414, 'number': 31}	{'precision': 0.2631578947368421, 'recall': 1.0, 'f1': 0.4166666666666667, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.2978723404255319, 'recall': 0.7777777777777778, 'f1': 0.43076923076923074, 'number': 18}	0.4115	0.4061	0.4088	0.8259
No log	10.0	290	1.1466	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 0.2638888888888889, 'recall': 0.7037037037037037, 'f1': 0.38383838383838387, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 38}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 13}	{'precision': 0.9259259259259259, 'recall': 0.8064516129032258, 'f1': 0.8620689655172414, 'number': 31}	{'precision': 0.25862068965517243, 'recall': 1.0, 'f1': 0.4109589041095891, 'number': 15}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.3111111111111111, 'recall': 0.7777777777777778, 'f1': 0.44444444444444436, 'number': 18}	0.4152	0.4061	0.4106	0.8281

Framework versions

• Transformers 4.44.0
• Pytorch 2.3.1+cu121
• Datasets 2.19.1
• Tokenizers 0.19.1