标签:
- 训练生成
数据集:
- sroie
指标:
- 精确率
- 召回率
- F1值
- 准确率
模型索引:
- 名称: layoutlmv3-finetuned-invoice
结果:
- 任务:
名称: 标记分类
类型: token-classification
数据集:
名称: sroie
类型: sroie
参数: sroie
指标:
- 名称: 精确率
类型: precision
值: 1.0
- 名称: 召回率
类型: recall
值: 0.9979716024340771
- 名称: F1值
类型: f1
值: 0.9989847715736041
- 名称: 准确率
类型: accuracy
值: 0.9997893406361913
layoutlmv3-finetuned-invoice
该模型是基于microsoft/layoutlmv3-base在sroie数据集上微调的版本。
在评估集上取得了以下结果:
- 损失: 0.0030
- 精确率: 1.0
- 召回率: 0.9980
- F1值: 0.9990
- 准确率: 0.9998
模型描述
需要更多信息
预期用途与限制
需要更多信息
训练与评估数据
需要更多信息
训练过程
训练超参数
训练过程中使用了以下超参数:
- 学习率: 1e-05
- 训练批次大小: 2
- 评估批次大小: 2
- 随机种子: 42
- 优化器: Adam,参数β=(0.9,0.999),ε=1e-08
- 学习率调度器类型: 线性
- 训练步数: 2000
训练结果
训练损失 |
周期 |
步数 |
验证损失 |
精确率 |
召回率 |
F1值 |
准确率 |
无记录 |
2.0 |
100 |
0.0715 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
无记录 |
4.0 |
200 |
0.0228 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
无记录 |
6.0 |
300 |
0.0174 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
无记录 |
8.0 |
400 |
0.0137 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
0.1189 |
10.0 |
500 |
0.0122 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
0.1189 |
12.0 |
600 |
0.0112 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
0.1189 |
14.0 |
700 |
0.0080 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
0.1189 |
16.0 |
800 |
0.0100 |
0.972 |
0.9858 |
0.9789 |
0.9971 |
0.1189 |
18.0 |
900 |
0.0040 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
0.0097 |
20.0 |
1000 |
0.0030 |
1.0 |
0.9980 |
0.9990 |
0.9998 |
0.0097 |
22.0 |
1100 |
0.0028 |
0.9980 |
0.9959 |
0.9970 |
0.9996 |
0.0097 |
24.0 |
1200 |
0.0016 |
1.0 |
1.0 |
1.0 |
1.0 |
0.0097 |
26.0 |
1300 |
0.0015 |
1.0 |
1.0 |
1.0 |
1.0 |
0.0097 |
28.0 |
1400 |
0.0015 |
0.9980 |
0.9980 |
0.9980 |
0.9998 |
0.0029 |
30.0 |
1500 |
0.0017 |
0.9980 |
0.9980 |
0.9980 |
0.9998 |
0.0029 |
32.0 |
1600 |
0.0026 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
0.0029 |
34.0 |
1700 |
0.0026 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
0.0029 |
36.0 |
1800 |
0.0026 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
0.0029 |
38.0 |
1900 |
0.0025 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
0.002 |
40.0 |
2000 |
0.0026 |
0.9960 |
0.9980 |
0.9970 |
0.9996 |
框架版本
- Transformers 4.20.0.dev0
- Pytorch 1.11.0+cu113
- Datasets 2.2.2
- Tokenizers 0.12.1