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-small_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
0.0792 1.0 1000 0.0787 0.1103 0.9330 7.5575 0.1103 0.0531 0.0745 0.7817
0.0778 2.0 2000 0.0772 0.1867 0.9126 5.0754 0.1867 0.1367 0.1099 0.6583
0.0753 3.0 3000 0.0748 0.3185 0.8694 3.7575 0.3185 0.2711 0.2000 0.4734
0.0738 4.0 4000 0.0733 0.3633 0.8431 3.5732 0.3633 0.3239 0.2222 0.4034
0.0724 5.0 5000 0.0721 0.4083 0.8051 3.1556 0.4083 0.3747 0.2309 0.3543
0.0712 6.0 6000 0.0716 0.422 0.7734 3.1574 0.422 0.3887 0.1999 0.3595
0.07 7.0 7000 0.0703 0.4718 0.7584 2.9015 0.4718 0.4495 0.2548 0.2992
0.0693 8.0 8000 0.0696 0.493 0.7247 3.0406 0.493 0.4634 0.2430 0.2667
0.0683 9.0 9000 0.0693 0.4955 0.7122 3.1754 0.4955 0.4725 0.2329 0.2620
0.0675 10.0 10000 0.0682 0.528 0.6893 2.7012 0.528 0.5188 0.2477 0.2418
0.0668 11.0 11000 0.0680 0.5035 0.6961 2.9081 0.5035 0.4967 0.2243 0.2569
0.066 12.0 12000 0.0669 0.5595 0.6626 2.6583 0.5595 0.5541 0.2550 0.2169
0.0649 13.0 13000 0.0668 0.5493 0.6559 2.7433 0.5493 0.5525 0.2334 0.2165
0.0645 14.0 14000 0.0663 0.5645 0.6334 2.6699 0.5645 0.5605 0.2191 0.2099
0.0636 15.0 15000 0.0659 0.5765 0.6160 2.6406 0.5765 0.5664 0.2084 0.2012
0.0629 16.0 16000 0.0661 0.56 0.6311 2.7536 0.56 0.5686 0.2129 0.2026
0.0622 17.0 17000 0.0660 0.5725 0.6108 2.8055 0.5725 0.5707 0.1866 0.2046
0.0617 18.0 18000 0.0656 0.5697 0.6081 2.8309 0.5697 0.5730 0.1810 0.2024
0.0608 19.0 19000 0.0654 0.585 0.5982 2.6432 0.585 0.5867 0.1834 0.1975
0.06 20.0 20000 0.0656 0.584 0.5959 2.8363 0.584 0.5856 0.1662 0.2067
0.0592 21.0 21000 0.0657 0.5875 0.5896 2.8259 0.5875 0.5892 0.1575 0.2059
0.0584 22.0 22000 0.0655 0.5887 0.5832 2.8147 0.5887 0.5895 0.1531 0.1998
0.058 23.0 23000 0.0654 0.5945 0.5829 2.9399 0.5945 0.5955 0.1475 0.2007
0.0571 24.0 24000 0.0654 0.5962 0.5779 2.8266 0.5962 0.5982 0.1460 0.1996
0.0566 25.0 25000 0.0655 0.596 0.5815 2.9480 0.596 0.5975 0.1447 0.2099
0.0561 26.0 26000 0.0660 0.5883 0.5840 2.9985 0.5883 0.5903 0.1146 0.2202
0.0556 27.0 27000 0.0654 0.6042 0.5713 2.8775 0.6042 0.6052 0.1353 0.2020
0.055 28.0 28000 0.0655 0.5945 0.5750 3.0404 0.5945 0.5965 0.1215 0.2051
0.0546 29.0 29000 0.0655 0.5978 0.5740 2.9173 0.5978 0.6012 0.1226 0.2046
0.0543 30.0 30000 0.0657 0.588 0.5813 3.0493 0.588 0.5915 0.1210 0.2104
0.054 31.0 31000 0.0652 0.597 0.5715 2.9423 0.597 0.5989 0.1207 0.2055
0.0537 32.0 32000 0.0650 0.6075 0.5618 2.8731 0.6075 0.6080 0.1209 0.1987
0.0534 33.0 33000 0.0650 0.602 0.5651 2.7807 0.602 0.6046 0.1254 0.1988
0.0535 34.0 34000 0.0652 0.602 0.5661 3.0050 0.602 0.6068 0.1187 0.1977
0.053 35.0 35000 0.0649 0.6008 0.5603 2.8814 0.6008 0.6028 0.1172 0.1981
0.0527 36.0 36000 0.0649 0.5988 0.5575 2.8419 0.5988 0.5974 0.1156 0.1917
0.0526 37.0 37000 0.0649 0.598 0.5586 2.7982 0.598 0.5986 0.1173 0.1900
0.0524 38.0 38000 0.0646 0.604 0.5546 2.8202 0.604 0.6060 0.1244 0.1908
0.0524 39.0 39000 0.0651 0.5965 0.5627 2.8458 0.5965 0.6010 0.1125 0.1949
0.0522 40.0 40000 0.0649 0.6072 0.5515 2.7872 0.6072 0.6100 0.1211 0.1881
0.0521 41.0 41000 0.0648 0.6078 0.5542 2.7802 0.6078 0.6108 0.1199 0.1868
0.052 42.0 42000 0.0648 0.6 0.5557 2.7968 0.6 0.6029 0.1190 0.1940
0.0519 43.0 43000 0.0647 0.604 0.5503 2.7110 0.604 0.6060 0.1178 0.1896
0.0516 44.0 44000 0.0647 0.6065 0.5515 2.7595 0.6065 0.6089 0.1170 0.1870
0.0516 45.0 45000 0.0646 0.611 0.5496 2.7426 0.611 0.6129 0.1212 0.1873
0.0515 46.0 46000 0.0648 0.6082 0.5510 2.7436 0.6082 0.6120 0.1227 0.1876
0.0514 47.0 47000 0.0647 0.6088 0.5511 2.7379 0.6088 0.6115 0.1240 0.1874
0.0514 48.0 48000 0.0647 0.6095 0.5501 2.7369 0.6095 0.6122 0.1193 0.1868
0.0513 49.0 49000 0.0647 0.6095 0.5508 2.7295 0.6095 0.6122 0.1218 0.1870
0.0513 50.0 50000 0.0648 0.6072 0.5503 2.7228 0.6072 0.6102 0.1175 0.1871

Framework versions