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-base_rvl-cdip-tiny_rvl_cdip-NK1000_simkd_rand

This model is a fine-tuned version of google/vit-base-patch16-224-in21k 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
0.0807 1.0 1000 0.0798 0.095 0.9362 7.0778 0.095 0.0517 0.0524 0.8510
0.0785 2.0 2000 0.0782 0.142 0.9268 6.5000 0.142 0.0892 0.0843 0.7446
0.0768 3.0 3000 0.0761 0.253 0.8945 4.3268 0.253 0.1827 0.1545 0.5697
0.0753 4.0 4000 0.0747 0.327 0.8672 3.7313 0.327 0.2733 0.2052 0.4558
0.074 5.0 5000 0.0739 0.359 0.8410 3.6965 0.359 0.2941 0.2102 0.4159
0.0729 6.0 6000 0.0725 0.3795 0.8104 3.2323 0.3795 0.3340 0.2147 0.3672
0.0718 7.0 7000 0.0717 0.4165 0.7806 3.1185 0.4165 0.3770 0.2186 0.3378
0.071 8.0 8000 0.0714 0.4175 0.7785 3.1984 0.4175 0.3999 0.2170 0.3408
0.0703 9.0 9000 0.0707 0.457 0.7563 2.8932 0.457 0.4310 0.2437 0.2965
0.0696 10.0 10000 0.0699 0.4665 0.7452 2.7889 0.4665 0.4529 0.2456 0.2828
0.0691 11.0 11000 0.0693 0.499 0.7219 2.7292 0.499 0.4756 0.2543 0.2579
0.0685 12.0 12000 0.0691 0.4955 0.7144 2.8807 0.4955 0.4734 0.2443 0.2515
0.068 13.0 13000 0.0688 0.5072 0.7096 2.6737 0.5072 0.4944 0.2525 0.2468
0.0675 14.0 14000 0.0685 0.513 0.6952 2.7492 0.513 0.5001 0.2404 0.2453
0.0669 15.0 15000 0.0682 0.5232 0.6855 2.7789 0.5232 0.5048 0.2441 0.2379
0.0664 16.0 16000 0.0680 0.529 0.6790 2.8249 0.529 0.5182 0.2366 0.2340
0.0658 17.0 17000 0.0678 0.5347 0.6668 2.7035 0.5347 0.5237 0.2338 0.2228
0.0652 18.0 18000 0.0676 0.5335 0.6673 2.8630 0.5335 0.5249 0.2319 0.2252
0.0651 19.0 19000 0.0675 0.5385 0.6524 2.7522 0.5385 0.5286 0.2172 0.2256
0.0645 20.0 20000 0.0671 0.5593 0.6454 2.7445 0.5593 0.5563 0.2324 0.2122
0.0639 21.0 21000 0.0672 0.5453 0.6541 2.9011 0.5453 0.5451 0.2236 0.2204
0.0634 22.0 22000 0.0668 0.5617 0.6398 2.8668 0.5617 0.5604 0.2264 0.2108
0.0629 23.0 23000 0.0670 0.5577 0.6295 2.8351 0.5577 0.5521 0.1984 0.2180
0.0625 24.0 24000 0.0666 0.5765 0.6201 2.7133 0.5765 0.5754 0.2138 0.2035
0.0618 25.0 25000 0.0666 0.565 0.6219 2.8775 0.565 0.5614 0.2010 0.2078
0.0613 26.0 26000 0.0664 0.5795 0.6121 2.8665 0.5795 0.5805 0.1996 0.2024
0.0606 27.0 27000 0.0667 0.5723 0.6101 2.9450 0.5723 0.5711 0.1804 0.2113
0.0603 28.0 28000 0.0664 0.583 0.6106 2.9126 0.583 0.5845 0.2004 0.2006
0.0597 29.0 29000 0.0665 0.5857 0.6050 2.9881 0.5857 0.5862 0.1912 0.2006
0.0594 30.0 30000 0.0665 0.5775 0.6043 2.9735 0.5775 0.5797 0.1823 0.2029
0.0589 31.0 31000 0.0666 0.5733 0.6080 2.9942 0.5733 0.5739 0.1721 0.2129
0.0585 32.0 32000 0.0667 0.5803 0.6066 3.0341 0.5803 0.5826 0.1748 0.2114
0.0583 33.0 33000 0.0665 0.5827 0.6033 3.0209 0.5827 0.5880 0.1799 0.2029
0.0578 34.0 34000 0.0667 0.577 0.6020 3.0483 0.577 0.5816 0.1636 0.2081
0.0576 35.0 35000 0.0667 0.577 0.6029 3.0263 0.577 0.5840 0.1573 0.2117
0.0574 36.0 36000 0.0667 0.5803 0.6006 3.0578 0.5803 0.5851 0.1627 0.2082
0.057 37.0 37000 0.0666 0.582 0.5997 3.1133 0.582 0.5867 0.1612 0.2094
0.0567 38.0 38000 0.0667 0.5817 0.5951 3.0727 0.5817 0.5836 0.1552 0.2091
0.0566 39.0 39000 0.0666 0.5815 0.5951 3.0308 0.5815 0.5853 0.1559 0.2049
0.0564 40.0 40000 0.0666 0.5853 0.5940 3.0629 0.5853 0.5880 0.1564 0.2057
0.0562 41.0 41000 0.0666 0.5845 0.5949 3.0956 0.5845 0.5881 0.1585 0.2055
0.0561 42.0 42000 0.0666 0.5827 0.5960 3.0679 0.5827 0.5876 0.1540 0.2098
0.0559 43.0 43000 0.0666 0.5833 0.5909 2.9904 0.5833 0.5854 0.1491 0.2049
0.0559 44.0 44000 0.0665 0.585 0.5915 3.0150 0.585 0.5876 0.1543 0.2032
0.0557 45.0 45000 0.0667 0.583 0.5923 3.0501 0.583 0.5851 0.1501 0.2056
0.0557 46.0 46000 0.0666 0.5905 0.5914 3.0110 0.5905 0.5940 0.1550 0.2045
0.0555 47.0 47000 0.0667 0.584 0.5922 3.0464 0.584 0.5872 0.1497 0.2069
0.0555 48.0 48000 0.0667 0.588 0.5917 3.0408 0.588 0.5919 0.1489 0.2051
0.0554 49.0 49000 0.0667 0.589 0.5908 3.0433 0.589 0.5923 0.1496 0.2044
0.0554 50.0 50000 0.0667 0.5865 0.5908 3.0393 0.5865 0.5890 0.1479 0.2054

Framework versions