finetuned-fake-food

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the indian_food_images dataset. It achieves the following results on the evaluation set:

• Loss: 0.1348
• Accuracy: 0.9563

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: 0.0002
• train_batch_size: 16
• 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
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3831	0.1010	100	0.2663	0.8912
0.3699	0.2020	200	0.2570	0.8990
0.2135	0.3030	300	0.6753	0.7837
0.214	0.4040	400	0.2690	0.8901
0.1947	0.5051	500	0.2533	0.9112
0.3618	0.6061	600	0.3738	0.8571
0.2065	0.7071	700	0.2919	0.8919
0.3103	0.8081	800	0.2165	0.9169
0.1479	0.9091	900	0.2135	0.9173
0.2421	1.0101	1000	0.2187	0.9184
0.2264	1.1111	1100	0.1888	0.9205
0.1664	1.2121	1200	0.2607	0.8876
0.2049	1.3131	1300	0.2502	0.9005
0.1503	1.4141	1400	0.2305	0.9177
0.1846	1.5152	1500	0.1881	0.9219
0.1571	1.6162	1600	0.1788	0.9284
0.4091	1.7172	1700	0.2228	0.9216
0.2954	1.8182	1800	0.1653	0.9366
0.1366	1.9192	1900	0.1529	0.9420
0.1657	2.0202	2000	0.1745	0.9255
0.2531	2.1212	2100	0.1744	0.9381
0.152	2.2222	2200	0.2513	0.8951
0.145	2.3232	2300	0.1718	0.9302
0.202	2.4242	2400	0.2436	0.9033
0.1346	2.5253	2500	0.1839	0.9234
0.1554	2.6263	2600	0.1447	0.9463
0.183	2.7273	2700	0.2474	0.8822
0.0972	2.8283	2800	0.2223	0.9205
0.1073	2.9293	2900	0.1860	0.9345
0.1824	3.0303	3000	0.2324	0.9194
0.1221	3.1313	3100	0.1475	0.9449
0.1039	3.2323	3200	0.1480	0.9427
0.276	3.3333	3300	0.1591	0.9402
0.2498	3.4343	3400	0.2447	0.9098
0.1453	3.5354	3500	0.1556	0.9416
0.1794	3.6364	3600	0.2272	0.9083
0.1467	3.7374	3700	0.1673	0.9413
0.1372	3.8384	3800	0.1763	0.9341
0.2283	3.9394	3900	0.1671	0.9373
0.164	4.0404	4000	0.1490	0.9477
0.1513	4.1414	4100	0.1547	0.9488
0.0991	4.2424	4200	0.1536	0.9431
0.1419	4.3434	4300	0.1568	0.9445
0.1452	4.4444	4400	0.2328	0.9320
0.1445	4.5455	4500	0.1351	0.9513
0.1366	4.6465	4600	0.1571	0.9416
0.097	4.7475	4700	0.1506	0.9424
0.0603	4.8485	4800	0.1435	0.9499
0.1179	4.9495	4900	0.1754	0.9363
0.1948	5.0505	5000	0.1609	0.9402
0.1021	5.1515	5100	0.1566	0.9459
0.0652	5.2525	5200	0.1564	0.9481
0.1029	5.3535	5300	0.1410	0.9492
0.1014	5.4545	5400	0.1490	0.9531
0.1338	5.5556	5500	0.1865	0.9406
0.0844	5.6566	5600	0.1631	0.9456
0.1059	5.7576	5700	0.1738	0.9409
0.0788	5.8586	5800	0.1801	0.9370
0.0941	5.9596	5900	0.1575	0.9495
0.112	6.0606	6000	0.1796	0.9470
0.0691	6.1616	6100	0.1697	0.9499
0.1385	6.2626	6200	0.1348	0.9563
0.1173	6.3636	6300	0.1522	0.9502
0.046	6.4646	6400	0.2114	0.9391
0.0319	6.5657	6500	0.1723	0.9477
0.0757	6.6667	6600	0.1561	0.9527
0.0744	6.7677	6700	0.1587	0.9567
0.0341	6.8687	6800	0.1458	0.9578
0.1512	6.9697	6900	0.1572	0.9531
0.0153	7.0707	7000	0.1402	0.9617
0.0711	7.1717	7100	0.1527	0.9610
0.0453	7.2727	7200	0.1512	0.9570
0.0052	7.3737	7300	0.1936	0.9520
0.0477	7.4747	7400	0.1699	0.9513
0.091	7.5758	7500	0.1628	0.9513
0.063	7.6768	7600	0.1474	0.9578
0.0497	7.7778	7700	0.1389	0.9613
0.0552	7.8788	7800	0.2587	0.9381
0.0364	7.9798	7900	0.1361	0.9603
0.0124	8.0808	8000	0.1438	0.9606
0.0703	8.1818	8100	0.1577	0.9585
0.025	8.2828	8200	0.1943	0.9484
0.0259	8.3838	8300	0.1590	0.9613
0.0049	8.4848	8400	0.1521	0.9581
0.0174	8.5859	8500	0.1522	0.9599
0.0194	8.6869	8600	0.1456	0.9606
0.0315	8.7879	8700	0.1411	0.9599
0.0419	8.8889	8800	0.1426	0.9592
0.0193	8.9899	8900	0.1375	0.9642
0.0027	9.0909	9000	0.1379	0.9635
0.0345	9.1919	9100	0.1444	0.9631
0.0291	9.2929	9200	0.1492	0.9624
0.017	9.3939	9300	0.1466	0.9635
0.0269	9.4949	9400	0.1523	0.9631
0.003	9.5960	9500	0.1445	0.9628
0.0471	9.6970	9600	0.1454	0.9617
0.0356	9.7980	9700	0.1452	0.9620
0.0034	9.8990	9800	0.1445	0.9624
0.0162	10.0	9900	0.1451	0.9628

Framework versions

• Transformers 4.44.2
• Pytorch 2.4.1+cu121
• Datasets 3.0.0
• Tokenizers 0.19.1