arabert_cross_relevance_task7_fold0

This model is a fine-tuned version of aubmindlab/bert-base-arabertv02 on the None dataset. It achieves the following results on the evaluation set:

• Loss: 0.2739
• Qwk: 0.1498
• Mse: 0.2741

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: 2e-05
• train_batch_size: 64
• eval_batch_size: 64
• 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	Qwk	Mse
No log	0.1333	2	0.6915	0.0152	0.6916
No log	0.2667	4	0.3007	0.0046	0.3008
No log	0.4	6	0.2606	0.0103	0.2607
No log	0.5333	8	0.2472	-0.0037	0.2473
No log	0.6667	10	0.2753	0.0398	0.2754
No log	0.8	12	0.3087	0.0531	0.3087
No log	0.9333	14	0.2871	0.0584	0.2872
No log	1.0667	16	0.2862	0.0547	0.2864
No log	1.2	18	0.2778	0.0673	0.2780
No log	1.3333	20	0.2869	0.1208	0.2871
No log	1.4667	22	0.2743	0.0873	0.2746
No log	1.6	24	0.2612	0.0650	0.2614
No log	1.7333	26	0.2604	0.0715	0.2606
No log	1.8667	28	0.2749	0.0788	0.2752
No log	2.0	30	0.3010	0.1611	0.3013
No log	2.1333	32	0.2981	0.1189	0.2984
No log	2.2667	34	0.2813	0.1170	0.2815
No log	2.4	36	0.2636	0.0868	0.2638
No log	2.5333	38	0.2577	0.0986	0.2579
No log	2.6667	40	0.2578	0.0676	0.2580
No log	2.8	42	0.2611	0.0743	0.2612
No log	2.9333	44	0.2605	0.0949	0.2607
No log	3.0667	46	0.2576	0.0837	0.2578
No log	3.2	48	0.2526	0.0883	0.2528
No log	3.3333	50	0.2493	0.0796	0.2494
No log	3.4667	52	0.2494	0.0762	0.2495
No log	3.6	54	0.2509	0.0762	0.2511
No log	3.7333	56	0.2599	0.1102	0.2601
No log	3.8667	58	0.2617	0.1201	0.2619
No log	4.0	60	0.2569	0.1201	0.2571
No log	4.1333	62	0.2518	0.1245	0.2520
No log	4.2667	64	0.2475	0.1331	0.2476
No log	4.4	66	0.2458	0.1627	0.2459
No log	4.5333	68	0.2466	0.1664	0.2467
No log	4.6667	70	0.2489	0.1701	0.2490
No log	4.8	72	0.2533	0.1802	0.2534
No log	4.9333	74	0.2587	0.1795	0.2588
No log	5.0667	76	0.2679	0.1591	0.2681
No log	5.2	78	0.2741	0.1432	0.2743
No log	5.3333	80	0.2711	0.1317	0.2714
No log	5.4667	82	0.2652	0.1368	0.2654
No log	5.6	84	0.2681	0.1474	0.2683
No log	5.7333	86	0.2684	0.1626	0.2686
No log	5.8667	88	0.2645	0.1797	0.2647
No log	6.0	90	0.2589	0.1859	0.2590
No log	6.1333	92	0.2593	0.1154	0.2594
No log	6.2667	94	0.2625	0.1365	0.2626
No log	6.4	96	0.2688	0.1779	0.2690
No log	6.5333	98	0.2740	0.2609	0.2742
No log	6.6667	100	0.2759	0.2576	0.2760
No log	6.8	102	0.2726	0.2039	0.2728
No log	6.9333	104	0.2690	0.1750	0.2692
No log	7.0667	106	0.2676	0.1430	0.2678
No log	7.2	108	0.2660	0.1277	0.2662
No log	7.3333	110	0.2660	0.1610	0.2661
No log	7.4667	112	0.2678	0.1840	0.2679
No log	7.6	114	0.2687	0.1801	0.2688
No log	7.7333	116	0.2685	0.1647	0.2686
No log	7.8667	118	0.2673	0.1609	0.2675
No log	8.0	120	0.2674	0.1352	0.2676
No log	8.1333	122	0.2685	0.1172	0.2687
No log	8.2667	124	0.2696	0.1172	0.2697
No log	8.4	126	0.2705	0.1304	0.2707
No log	8.5333	128	0.2717	0.1481	0.2719
No log	8.6667	130	0.2734	0.1645	0.2736
No log	8.8	132	0.2747	0.1828	0.2748
No log	8.9333	134	0.2744	0.1903	0.2746
No log	9.0667	136	0.2741	0.1738	0.2742
No log	9.2	138	0.2734	0.1664	0.2736
No log	9.3333	140	0.2736	0.1700	0.2738
No log	9.4667	142	0.2738	0.1700	0.2739
No log	9.6	144	0.2739	0.1572	0.2741
No log	9.7333	146	0.2738	0.1498	0.2740
No log	9.8667	148	0.2739	0.1498	0.2741
No log	10.0	150	0.2739	0.1498	0.2741

Framework versions

• Transformers 4.44.0
• Pytorch 2.4.0
• Datasets 2.21.0
• Tokenizers 0.19.1