File size: 27,799 Bytes
dca1393 |
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 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 |
---
license: other
tags:
- vision
- image-segmentation
- generated_from_trainer
model-index:
- name: segformer-b0-finetuned-xorder-dish-segmentation-trial
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. -->
# segformer-b0-finetuned-xorder-dish-segmentation-trial
This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the vhug/xorder_dish dataset.
It achieves the following results on the evaluation set:
- Loss: 0.0061
- Mean Iou: 0.0
- Mean Accuracy: nan
- Overall Accuracy: nan
- Accuracy Object: nan
- Iou Object: 0.0
## 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: 6e-05
- train_batch_size: 2
- eval_batch_size: 2
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 50
### Training results
| Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Object | Iou Object |
|:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:---------------:|:----------:|
| 0.2499 | 0.24 | 20 | 0.4007 | 0.0 | nan | nan | nan | 0.0 |
| 0.1703 | 0.49 | 40 | 0.1925 | 0.0 | nan | nan | nan | 0.0 |
| 0.1665 | 0.73 | 60 | 0.1499 | 0.0 | nan | nan | nan | 0.0 |
| 0.1813 | 0.98 | 80 | 0.1669 | 0.0 | nan | nan | nan | 0.0 |
| 0.139 | 1.22 | 100 | 0.1323 | 0.0 | nan | nan | nan | 0.0 |
| 0.1336 | 1.46 | 120 | 0.1200 | 0.0 | nan | nan | nan | 0.0 |
| 0.0994 | 1.71 | 140 | 0.1078 | 0.0 | nan | nan | nan | 0.0 |
| 0.1125 | 1.95 | 160 | 0.0983 | 0.0 | nan | nan | nan | 0.0 |
| 0.0945 | 2.2 | 180 | 0.0879 | 0.0 | nan | nan | nan | 0.0 |
| 0.1448 | 2.44 | 200 | 0.0839 | 0.0 | nan | nan | nan | 0.0 |
| 0.0715 | 2.68 | 220 | 0.0756 | 0.0 | nan | nan | nan | 0.0 |
| 0.0901 | 2.93 | 240 | 0.0727 | 0.0 | nan | nan | nan | 0.0 |
| 0.0959 | 3.17 | 260 | 0.0615 | 0.0 | nan | nan | nan | 0.0 |
| 0.0609 | 3.41 | 280 | 0.0676 | 0.0 | nan | nan | nan | 0.0 |
| 0.0478 | 3.66 | 300 | 0.0545 | 0.0 | nan | nan | nan | 0.0 |
| 0.0899 | 3.9 | 320 | 0.0534 | 0.0 | nan | nan | nan | 0.0 |
| 0.0632 | 4.15 | 340 | 0.0509 | 0.0 | nan | nan | nan | 0.0 |
| 0.0601 | 4.39 | 360 | 0.0389 | 0.0 | nan | nan | nan | 0.0 |
| 0.0422 | 4.63 | 380 | 0.0549 | 0.0 | nan | nan | nan | 0.0 |
| 0.0526 | 4.88 | 400 | 0.0470 | 0.0 | nan | nan | nan | 0.0 |
| 0.0418 | 5.12 | 420 | 0.0410 | 0.0 | nan | nan | nan | 0.0 |
| 0.0505 | 5.37 | 440 | 0.0389 | 0.0 | nan | nan | nan | 0.0 |
| 0.0602 | 5.61 | 460 | 0.0417 | 0.0 | nan | nan | nan | 0.0 |
| 0.0292 | 5.85 | 480 | 0.0351 | 0.0 | nan | nan | nan | 0.0 |
| 0.0433 | 6.1 | 500 | 0.0327 | 0.0 | nan | nan | nan | 0.0 |
| 0.0478 | 6.34 | 520 | 0.0336 | 0.0 | nan | nan | nan | 0.0 |
| 0.0253 | 6.59 | 540 | 0.0310 | 0.0 | nan | nan | nan | 0.0 |
| 0.0486 | 6.83 | 560 | 0.0297 | 0.0 | nan | nan | nan | 0.0 |
| 0.0426 | 7.07 | 580 | 0.0320 | 0.0 | nan | nan | nan | 0.0 |
| 0.0253 | 7.32 | 600 | 0.0268 | 0.0 | nan | nan | nan | 0.0 |
| 0.0445 | 7.56 | 620 | 0.0299 | 0.0 | nan | nan | nan | 0.0 |
| 0.0252 | 7.8 | 640 | 0.0277 | 0.0 | nan | nan | nan | 0.0 |
| 0.0327 | 8.05 | 660 | 0.0246 | 0.0 | nan | nan | nan | 0.0 |
| 0.0258 | 8.29 | 680 | 0.0261 | 0.0 | nan | nan | nan | 0.0 |
| 0.0216 | 8.54 | 700 | 0.0249 | 0.0 | nan | nan | nan | 0.0 |
| 0.0206 | 8.78 | 720 | 0.0223 | 0.0 | nan | nan | nan | 0.0 |
| 0.0205 | 9.02 | 740 | 0.0223 | 0.0 | nan | nan | nan | 0.0 |
| 0.0204 | 9.27 | 760 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
| 0.0392 | 9.51 | 780 | 0.0205 | 0.0 | nan | nan | nan | 0.0 |
| 0.0304 | 9.76 | 800 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
| 0.0225 | 10.0 | 820 | 0.0203 | 0.0 | nan | nan | nan | 0.0 |
| 0.0154 | 10.24 | 840 | 0.0189 | 0.0 | nan | nan | nan | 0.0 |
| 0.0179 | 10.49 | 860 | 0.0178 | 0.0 | nan | nan | nan | 0.0 |
| 0.0319 | 10.73 | 880 | 0.0185 | 0.0 | nan | nan | nan | 0.0 |
| 0.0148 | 10.98 | 900 | 0.0181 | 0.0 | nan | nan | nan | 0.0 |
| 0.0204 | 11.22 | 920 | 0.0174 | 0.0 | nan | nan | nan | 0.0 |
| 0.0197 | 11.46 | 940 | 0.0182 | 0.0 | nan | nan | nan | 0.0 |
| 0.0173 | 11.71 | 960 | 0.0162 | 0.0 | nan | nan | nan | 0.0 |
| 0.0209 | 11.95 | 980 | 0.0174 | 0.0 | nan | nan | nan | 0.0 |
| 0.0251 | 12.2 | 1000 | 0.0159 | 0.0 | nan | nan | nan | 0.0 |
| 0.0173 | 12.44 | 1020 | 0.0165 | 0.0 | nan | nan | nan | 0.0 |
| 0.0153 | 12.68 | 1040 | 0.0141 | 0.0 | nan | nan | nan | 0.0 |
| 0.0166 | 12.93 | 1060 | 0.0163 | 0.0 | nan | nan | nan | 0.0 |
| 0.0394 | 13.17 | 1080 | 0.0158 | 0.0 | nan | nan | nan | 0.0 |
| 0.013 | 13.41 | 1100 | 0.0140 | 0.0 | nan | nan | nan | 0.0 |
| 0.0141 | 13.66 | 1120 | 0.0138 | 0.0 | nan | nan | nan | 0.0 |
| 0.0199 | 13.9 | 1140 | 0.0148 | 0.0 | nan | nan | nan | 0.0 |
| 0.0132 | 14.15 | 1160 | 0.0130 | 0.0 | nan | nan | nan | 0.0 |
| 0.0289 | 14.39 | 1180 | 0.0141 | 0.0 | nan | nan | nan | 0.0 |
| 0.0141 | 14.63 | 1200 | 0.0136 | 0.0 | nan | nan | nan | 0.0 |
| 0.0131 | 14.88 | 1220 | 0.0143 | 0.0 | nan | nan | nan | 0.0 |
| 0.0116 | 15.12 | 1240 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
| 0.0138 | 15.37 | 1260 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
| 0.0119 | 15.61 | 1280 | 0.0121 | 0.0 | nan | nan | nan | 0.0 |
| 0.018 | 15.85 | 1300 | 0.0138 | 0.0 | nan | nan | nan | 0.0 |
| 0.0142 | 16.1 | 1320 | 0.0119 | 0.0 | nan | nan | nan | 0.0 |
| 0.01 | 16.34 | 1340 | 0.0119 | 0.0 | nan | nan | nan | 0.0 |
| 0.0133 | 16.59 | 1360 | 0.0124 | 0.0 | nan | nan | nan | 0.0 |
| 0.0104 | 16.83 | 1380 | 0.0113 | 0.0 | nan | nan | nan | 0.0 |
| 0.0142 | 17.07 | 1400 | 0.0117 | 0.0 | nan | nan | nan | 0.0 |
| 0.0114 | 17.32 | 1420 | 0.0121 | 0.0 | nan | nan | nan | 0.0 |
| 0.0131 | 17.56 | 1440 | 0.0112 | 0.0 | nan | nan | nan | 0.0 |
| 0.0105 | 17.8 | 1460 | 0.0111 | 0.0 | nan | nan | nan | 0.0 |
| 0.0096 | 18.05 | 1480 | 0.0115 | 0.0 | nan | nan | nan | 0.0 |
| 0.0127 | 18.29 | 1500 | 0.0117 | 0.0 | nan | nan | nan | 0.0 |
| 0.0094 | 18.54 | 1520 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
| 0.0091 | 18.78 | 1540 | 0.0107 | 0.0 | nan | nan | nan | 0.0 |
| 0.0099 | 19.02 | 1560 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
| 0.0105 | 19.27 | 1580 | 0.0106 | 0.0 | nan | nan | nan | 0.0 |
| 0.0082 | 19.51 | 1600 | 0.0095 | 0.0 | nan | nan | nan | 0.0 |
| 0.0095 | 19.76 | 1620 | 0.0097 | 0.0 | nan | nan | nan | 0.0 |
| 0.0089 | 20.0 | 1640 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
| 0.0092 | 20.24 | 1660 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
| 0.0259 | 20.49 | 1680 | 0.0100 | 0.0 | nan | nan | nan | 0.0 |
| 0.0152 | 20.73 | 1700 | 0.0101 | 0.0 | nan | nan | nan | 0.0 |
| 0.0108 | 20.98 | 1720 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
| 0.009 | 21.22 | 1740 | 0.0094 | 0.0 | nan | nan | nan | 0.0 |
| 0.0116 | 21.46 | 1760 | 0.0099 | 0.0 | nan | nan | nan | 0.0 |
| 0.0094 | 21.71 | 1780 | 0.0095 | 0.0 | nan | nan | nan | 0.0 |
| 0.012 | 21.95 | 1800 | 0.0098 | 0.0 | nan | nan | nan | 0.0 |
| 0.0079 | 22.2 | 1820 | 0.0094 | 0.0 | nan | nan | nan | 0.0 |
| 0.0074 | 22.44 | 1840 | 0.0093 | 0.0 | nan | nan | nan | 0.0 |
| 0.0088 | 22.68 | 1860 | 0.0088 | 0.0 | nan | nan | nan | 0.0 |
| 0.0178 | 22.93 | 1880 | 0.0096 | 0.0 | nan | nan | nan | 0.0 |
| 0.0103 | 23.17 | 1900 | 0.0090 | 0.0 | nan | nan | nan | 0.0 |
| 0.0117 | 23.41 | 1920 | 0.0086 | 0.0 | nan | nan | nan | 0.0 |
| 0.0144 | 23.66 | 1940 | 0.0091 | 0.0 | nan | nan | nan | 0.0 |
| 0.0086 | 23.9 | 1960 | 0.0088 | 0.0 | nan | nan | nan | 0.0 |
| 0.0118 | 24.15 | 1980 | 0.0093 | 0.0 | nan | nan | nan | 0.0 |
| 0.0103 | 24.39 | 2000 | 0.0098 | 0.0 | nan | nan | nan | 0.0 |
| 0.0094 | 24.63 | 2020 | 0.0085 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 24.88 | 2040 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
| 0.0118 | 25.12 | 2060 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
| 0.0076 | 25.37 | 2080 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
| 0.0093 | 25.61 | 2100 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
| 0.0091 | 25.85 | 2120 | 0.0082 | 0.0 | nan | nan | nan | 0.0 |
| 0.017 | 26.1 | 2140 | 0.0085 | 0.0 | nan | nan | nan | 0.0 |
| 0.0067 | 26.34 | 2160 | 0.0087 | 0.0 | nan | nan | nan | 0.0 |
| 0.0072 | 26.59 | 2180 | 0.0081 | 0.0 | nan | nan | nan | 0.0 |
| 0.007 | 26.83 | 2200 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
| 0.0099 | 27.07 | 2220 | 0.0083 | 0.0 | nan | nan | nan | 0.0 |
| 0.0101 | 27.32 | 2240 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
| 0.0073 | 27.56 | 2260 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
| 0.0079 | 27.8 | 2280 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
| 0.0071 | 28.05 | 2300 | 0.0077 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 28.29 | 2320 | 0.0074 | 0.0 | nan | nan | nan | 0.0 |
| 0.0091 | 28.54 | 2340 | 0.0084 | 0.0 | nan | nan | nan | 0.0 |
| 0.008 | 28.78 | 2360 | 0.0081 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 29.02 | 2380 | 0.0079 | 0.0 | nan | nan | nan | 0.0 |
| 0.0079 | 29.27 | 2400 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0102 | 29.51 | 2420 | 0.0077 | 0.0 | nan | nan | nan | 0.0 |
| 0.0074 | 29.76 | 2440 | 0.0079 | 0.0 | nan | nan | nan | 0.0 |
| 0.0096 | 30.0 | 2460 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
| 0.0093 | 30.24 | 2480 | 0.0078 | 0.0 | nan | nan | nan | 0.0 |
| 0.0052 | 30.49 | 2500 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0072 | 30.73 | 2520 | 0.0078 | 0.0 | nan | nan | nan | 0.0 |
| 0.0066 | 30.98 | 2540 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0077 | 31.22 | 2560 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
| 0.0073 | 31.46 | 2580 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 31.71 | 2600 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0063 | 31.95 | 2620 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
| 0.0055 | 32.2 | 2640 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0081 | 32.44 | 2660 | 0.0075 | 0.0 | nan | nan | nan | 0.0 |
| 0.0149 | 32.68 | 2680 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
| 0.0107 | 32.93 | 2700 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
| 0.007 | 33.17 | 2720 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
| 0.0061 | 33.41 | 2740 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0092 | 33.66 | 2760 | 0.0076 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 33.9 | 2780 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0059 | 34.15 | 2800 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0081 | 34.39 | 2820 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.009 | 34.63 | 2840 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
| 0.0068 | 34.88 | 2860 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 35.12 | 2880 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0053 | 35.37 | 2900 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0086 | 35.61 | 2920 | 0.0072 | 0.0 | nan | nan | nan | 0.0 |
| 0.0062 | 35.85 | 2940 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0062 | 36.1 | 2960 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
| 0.0052 | 36.34 | 2980 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 36.59 | 3000 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0048 | 36.83 | 3020 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
| 0.0076 | 37.07 | 3040 | 0.0073 | 0.0 | nan | nan | nan | 0.0 |
| 0.0098 | 37.32 | 3060 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0071 | 37.56 | 3080 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0067 | 37.8 | 3100 | 0.0071 | 0.0 | nan | nan | nan | 0.0 |
| 0.0072 | 38.05 | 3120 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0076 | 38.29 | 3140 | 0.0070 | 0.0 | nan | nan | nan | 0.0 |
| 0.0053 | 38.54 | 3160 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 38.78 | 3180 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0057 | 39.02 | 3200 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0063 | 39.27 | 3220 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0063 | 39.51 | 3240 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0086 | 39.76 | 3260 | 0.0069 | 0.0 | nan | nan | nan | 0.0 |
| 0.0056 | 40.0 | 3280 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.005 | 40.24 | 3300 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0058 | 40.49 | 3320 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0047 | 40.73 | 3340 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 40.98 | 3360 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0087 | 41.22 | 3380 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0054 | 41.46 | 3400 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0058 | 41.71 | 3420 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0058 | 41.95 | 3440 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0054 | 42.2 | 3460 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0055 | 42.44 | 3480 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
| 0.0047 | 42.68 | 3500 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.0075 | 42.93 | 3520 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0052 | 43.17 | 3540 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0062 | 43.41 | 3560 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0062 | 43.66 | 3580 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0091 | 43.9 | 3600 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0061 | 44.15 | 3620 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0047 | 44.39 | 3640 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0056 | 44.63 | 3660 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.005 | 44.88 | 3680 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.005 | 45.12 | 3700 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0053 | 45.37 | 3720 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.0074 | 45.61 | 3740 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.007 | 45.85 | 3760 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0047 | 46.1 | 3780 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
| 0.0047 | 46.34 | 3800 | 0.0061 | 0.0 | nan | nan | nan | 0.0 |
| 0.0058 | 46.59 | 3820 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 46.83 | 3840 | 0.0067 | 0.0 | nan | nan | nan | 0.0 |
| 0.0044 | 47.07 | 3860 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
| 0.0049 | 47.32 | 3880 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.0091 | 47.56 | 3900 | 0.0065 | 0.0 | nan | nan | nan | 0.0 |
| 0.0046 | 47.8 | 3920 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0055 | 48.05 | 3940 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
| 0.0045 | 48.29 | 3960 | 0.0062 | 0.0 | nan | nan | nan | 0.0 |
| 0.006 | 48.54 | 3980 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.0074 | 48.78 | 4000 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.0046 | 49.02 | 4020 | 0.0064 | 0.0 | nan | nan | nan | 0.0 |
| 0.006 | 49.27 | 4040 | 0.0063 | 0.0 | nan | nan | nan | 0.0 |
| 0.0057 | 49.51 | 4060 | 0.0068 | 0.0 | nan | nan | nan | 0.0 |
| 0.0069 | 49.76 | 4080 | 0.0066 | 0.0 | nan | nan | nan | 0.0 |
| 0.0064 | 50.0 | 4100 | 0.0061 | 0.0 | nan | nan | nan | 0.0 |
### Framework versions
- Transformers 4.28.1
- Pytorch 2.0.0+cu118
- Datasets 2.11.0
- Tokenizers 0.13.3
|