generated_from_trainer

<!-- 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. -->

vit-tiny_tobacco3482_dualsimkd_

This model is a fine-tuned version of WinKawaks/vit-tiny-patch16-224 on the None dataset. It achieves the following results on the evaluation set:

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:

Training results

Training Loss Epoch Step Validation Loss Accuracy Brier Loss Nll F1 Micro F1 Macro Ece Aurc
No log 1.0 100 0.5117 0.04 0.9009 19.1664 0.04 0.0077 0.1344 0.9445
No log 2.0 200 0.3168 0.05 0.8997 15.0313 0.0500 0.0095 0.1344 0.8364
No log 3.0 300 0.2703 0.18 0.8978 9.6860 0.18 0.0305 0.2180 0.7731
No log 4.0 400 0.2266 0.18 0.8952 12.0957 0.18 0.0305 0.2223 0.7993
1.1219 5.0 500 0.1687 0.18 0.8951 12.7136 0.18 0.0305 0.2215 0.7713
1.1219 6.0 600 0.1331 0.165 0.8956 12.6737 0.165 0.0284 0.2044 0.7829
1.1219 7.0 700 0.1139 0.18 0.8960 12.6380 0.18 0.0305 0.2283 0.7875
1.1219 8.0 800 0.1143 0.18 0.8963 12.6385 0.18 0.0306 0.2183 0.7703
1.1219 9.0 900 0.1246 0.18 0.8966 12.5389 0.18 0.0305 0.2223 0.7726
0.0694 10.0 1000 0.1262 0.18 0.8961 12.6316 0.18 0.0305 0.2271 0.7894
0.0694 11.0 1100 0.1186 0.155 0.8961 12.6309 0.155 0.0268 0.2169 0.6418
0.0694 12.0 1200 0.1290 0.18 0.8960 12.6360 0.18 0.0305 0.2272 0.8014
0.0694 13.0 1300 0.1202 0.18 0.8959 12.6644 0.18 0.0305 0.2274 0.7910
0.0694 14.0 1400 0.1341 0.18 0.8960 12.6667 0.18 0.0305 0.2273 0.7916
0.0505 15.0 1500 0.1234 0.18 0.8961 12.6653 0.18 0.0305 0.2261 0.7819
0.0505 16.0 1600 0.1375 0.18 0.8960 12.6951 0.18 0.0305 0.2283 0.7929
0.0505 17.0 1700 0.1249 0.18 0.8959 12.7041 0.18 0.0305 0.2262 0.7820
0.0505 18.0 1800 0.1263 0.18 0.8964 12.6096 0.18 0.0305 0.2228 0.7900
0.0505 19.0 1900 0.1243 0.18 0.8961 12.6667 0.18 0.0305 0.2229 0.7896
0.0483 20.0 2000 0.1246 0.18 0.8960 12.6285 0.18 0.0305 0.2172 0.7913
0.0483 21.0 2100 0.1218 0.18 0.8961 12.6375 0.18 0.0305 0.2250 0.8003
0.0483 22.0 2200 0.1228 0.18 0.8964 12.5765 0.18 0.0305 0.2258 0.7938
0.0483 23.0 2300 0.1270 0.18 0.8963 12.6332 0.18 0.0305 0.2239 0.8055
0.0483 24.0 2400 0.1303 0.18 0.8963 12.5914 0.18 0.0305 0.2270 0.8006
0.0484 25.0 2500 0.1234 0.18 0.8960 12.6429 0.18 0.0305 0.2208 0.7990
0.0484 26.0 2600 0.1313 0.18 0.8965 12.5721 0.18 0.0305 0.2205 0.8069
0.0484 27.0 2700 0.1314 0.18 0.8963 12.5982 0.18 0.0305 0.2247 0.8110
0.0484 28.0 2800 0.1326 0.18 0.8962 12.6539 0.18 0.0305 0.2143 0.8083
0.0484 29.0 2900 0.1337 0.18 0.8964 12.5814 0.18 0.0305 0.2225 0.8106
0.0473 30.0 3000 0.1369 0.18 0.8962 12.6021 0.18 0.0305 0.2258 0.8095
0.0473 31.0 3100 0.1295 0.18 0.8958 12.6587 0.18 0.0305 0.2273 0.8104
0.0473 32.0 3200 0.1343 0.18 0.8959 12.6740 0.18 0.0305 0.2220 0.8119
0.0473 33.0 3300 0.1359 0.18 0.8960 12.6790 0.18 0.0305 0.2273 0.8134
0.0473 34.0 3400 0.1367 0.18 0.8961 12.6336 0.18 0.0305 0.2228 0.8159
0.0476 35.0 3500 0.1378 0.18 0.8963 12.6119 0.18 0.0305 0.2270 0.8172
0.0476 36.0 3600 0.1286 0.18 0.8961 12.6340 0.18 0.0305 0.2218 0.8148
0.0476 37.0 3700 0.1333 0.18 0.8960 12.6328 0.18 0.0305 0.2207 0.8164
0.0476 38.0 3800 0.1328 0.18 0.8963 12.6294 0.18 0.0305 0.2196 0.8180
0.0476 39.0 3900 0.1344 0.18 0.8961 12.6417 0.18 0.0305 0.2207 0.8209
0.0474 40.0 4000 0.1362 0.18 0.8959 12.6775 0.18 0.0305 0.2187 0.8198
0.0474 41.0 4100 0.1340 0.18 0.8961 12.6746 0.18 0.0305 0.2249 0.8215
0.0474 42.0 4200 0.1308 0.18 0.8958 12.6621 0.18 0.0305 0.2208 0.8215
0.0474 43.0 4300 0.1372 0.18 0.8960 12.6133 0.18 0.0305 0.2249 0.8204
0.0474 44.0 4400 0.1436 0.18 0.8963 12.6014 0.18 0.0305 0.2280 0.8201
0.0472 45.0 4500 0.1374 0.18 0.8960 12.6316 0.18 0.0305 0.2228 0.8193
0.0472 46.0 4600 0.1261 0.18 0.8957 12.6840 0.18 0.0305 0.2251 0.8220
0.0472 47.0 4700 0.1340 0.18 0.8956 12.6704 0.18 0.0305 0.2251 0.8221
0.0472 48.0 4800 0.1320 0.18 0.8959 12.6111 0.18 0.0305 0.2227 0.8203
0.0472 49.0 4900 0.1336 0.18 0.8956 12.6838 0.18 0.0305 0.2294 0.8209
0.0474 50.0 5000 0.1342 0.18 0.8959 12.3426 0.18 0.0305 0.2292 0.8218
0.0474 51.0 5100 0.1362 0.18 0.8957 12.3611 0.18 0.0305 0.2261 0.8224
0.0474 52.0 5200 0.1368 0.18 0.8958 11.5617 0.18 0.0305 0.2205 0.8222
0.0474 53.0 5300 0.1391 0.18 0.8955 11.5519 0.18 0.0305 0.2312 0.8225
0.0474 54.0 5400 0.1366 0.18 0.8947 12.2068 0.18 0.0305 0.2231 0.8231
0.047 55.0 5500 0.1355 0.19 0.8943 11.5922 0.19 0.0641 0.2299 0.8248
0.047 56.0 5600 0.1386 0.17 0.8930 11.8204 0.17 0.0705 0.2240 0.5968
0.047 57.0 5700 0.1364 0.33 0.8936 11.0092 0.33 0.1878 0.3195 0.4381
0.047 58.0 5800 0.1368 0.27 0.8923 11.0463 0.27 0.1541 0.2874 0.5187
0.047 59.0 5900 0.1328 0.325 0.8915 10.5269 0.325 0.1702 0.3247 0.4469
0.0469 60.0 6000 0.1402 0.235 0.8945 9.2940 0.235 0.1141 0.2558 0.6612
0.0469 61.0 6100 0.1387 0.345 0.8913 9.2678 0.345 0.1657 0.3422 0.4100
0.0469 62.0 6200 0.1386 0.31 0.8891 10.1100 0.31 0.1637 0.3134 0.4609
0.0469 63.0 6300 0.1379 0.34 0.8892 9.1965 0.34 0.1582 0.3388 0.4344
0.0469 64.0 6400 0.1375 0.335 0.8876 9.2252 0.335 0.1624 0.3356 0.4239
0.0469 65.0 6500 0.1357 0.345 0.8868 9.1887 0.345 0.1659 0.3361 0.4061
0.0469 66.0 6600 0.1394 0.345 0.8850 9.1819 0.345 0.1641 0.3398 0.4265
0.0469 67.0 6700 0.1410 0.34 0.8850 9.1158 0.34 0.1590 0.3328 0.4302
0.0469 68.0 6800 0.1387 0.295 0.8814 9.2693 0.295 0.1374 0.3039 0.4572
0.0469 69.0 6900 0.1385 0.335 0.8814 9.1526 0.335 0.1668 0.3324 0.4205
0.0463 70.0 7000 0.1392 0.34 0.8814 9.1159 0.34 0.1546 0.3405 0.4263
0.0463 71.0 7100 0.1418 0.35 0.8820 9.1363 0.35 0.1692 0.3436 0.4019
0.0463 72.0 7200 0.1379 0.35 0.8791 9.0483 0.35 0.1726 0.3402 0.4226
0.0463 73.0 7300 0.1405 0.33 0.8760 9.3563 0.33 0.1731 0.3207 0.4307
0.0463 74.0 7400 0.1401 0.31 0.8769 9.4413 0.31 0.1676 0.3099 0.4383
0.0458 75.0 7500 0.1393 0.38 0.8778 9.0788 0.38 0.1985 0.3518 0.3976
0.0458 76.0 7600 0.1384 0.39 0.8779 9.0233 0.39 0.2027 0.3673 0.4144
0.0458 77.0 7700 0.1403 0.365 0.8818 9.1567 0.3650 0.1953 0.3518 0.4181
0.0458 78.0 7800 0.1400 0.27 0.8725 11.0592 0.27 0.1627 0.2896 0.4809
0.0458 79.0 7900 0.1402 0.375 0.8739 9.1158 0.375 0.1961 0.3540 0.3929
0.0455 80.0 8000 0.1401 0.315 0.8722 9.9114 0.315 0.1771 0.3220 0.4443
0.0455 81.0 8100 0.1378 0.39 0.8761 9.0128 0.39 0.2048 0.3642 0.4020
0.0455 82.0 8200 0.1401 0.38 0.8729 9.1624 0.38 0.2006 0.3612 0.3924
0.0455 83.0 8300 0.1391 0.38 0.8742 8.8982 0.38 0.2048 0.3561 0.3991
0.0455 84.0 8400 0.1381 0.375 0.8734 9.0598 0.375 0.1901 0.3567 0.4010
0.0453 85.0 8500 0.1398 0.39 0.8718 9.1407 0.39 0.2057 0.3693 0.3892
0.0453 86.0 8600 0.1389 0.37 0.8721 9.3494 0.37 0.2006 0.3505 0.3914
0.0453 87.0 8700 0.1390 0.395 0.8743 8.7444 0.395 0.2113 0.3724 0.3854
0.0453 88.0 8800 0.1404 0.395 0.8739 8.7654 0.395 0.2134 0.3657 0.3925
0.0453 89.0 8900 0.1409 0.385 0.8726 8.7763 0.3850 0.2032 0.3643 0.3963
0.0451 90.0 9000 0.1403 0.39 0.8717 8.8363 0.39 0.2055 0.3668 0.3926
0.0451 91.0 9100 0.1388 0.39 0.8719 9.2985 0.39 0.2099 0.3662 0.3847
0.0451 92.0 9200 0.1397 0.385 0.8702 9.4449 0.3850 0.2050 0.3535 0.3877
0.0451 93.0 9300 0.1403 0.385 0.8709 8.9790 0.3850 0.1989 0.3473 0.3887
0.0451 94.0 9400 0.1400 0.39 0.8705 9.1647 0.39 0.2053 0.3569 0.3865
0.045 95.0 9500 0.1404 0.395 0.8712 9.1707 0.395 0.2087 0.3688 0.3815
0.045 96.0 9600 0.1404 0.385 0.8711 8.6711 0.3850 0.1980 0.3566 0.3867
0.045 97.0 9700 0.1399 0.39 0.8706 9.1288 0.39 0.2035 0.3610 0.3845
0.045 98.0 9800 0.1400 0.385 0.8708 9.1302 0.3850 0.1982 0.3538 0.3870
0.045 99.0 9900 0.1398 0.39 0.8712 8.8257 0.39 0.2002 0.3660 0.3825
0.0449 100.0 10000 0.1401 0.385 0.8709 8.8462 0.3850 0.1979 0.3606 0.3874

Framework versions