Modelpublic

kamleshsolanki/layoutlm-document-v2

sourceHugging Facecc-by-nc-sa-4.0updated 2y agoView on Hugging Face

0likes10downloads

Model Card

layoutlm-document-v2

This model is a fine-tuned version of microsoft/layoutlmv3-base on the None dataset. It achieves the following results on the evaluation set:

—Loss: 0.0036
—Ate de la facture: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}
—Iret du fournisseur: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}
—Om du fournisseur: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}
—Ontant tva: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}
—Ontant total ht: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}
—Ontant total ttc: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}
—Umero de bc: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}
—Overall Precision: 1.0
—Overall Recall: 1.0
—Overall F1: 1.0
—Overall Accuracy: 1.0

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: 3e-05
—trainbatchsize: 16
—evalbatchsize: 8
—seed: 42
—optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
—lrschedulertype: linear
—num_epochs: 15
—mixedprecisiontraining: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Ate de la facture	Iret du fournisseur	Om du fournisseur	Ontant tva	Ontant total ht	Ontant total ttc	Umero de bc	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
1.6209	1.0	6	1.0535	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.625, 'recall': 1.0, 'f1': 0.7692307692307693, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.7619047619047619, 'recall': 0.8421052631578947, 'f1': 0.8, 'number': 19}	{'precision': 1.0, 'recall': 0.2631578947368421, 'f1': 0.4166666666666667, 'number': 19}	{'precision': 0.4117647058823529, 'recall': 0.3333333333333333, 'f1': 0.36842105263157887, 'number': 21}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	0.7607	0.6794	0.7177	0.7863
0.8518	2.0	12	0.4979	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.7692307692307693, 'recall': 1.0, 'f1': 0.8695652173913044, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.95, 'recall': 1.0, 'f1': 0.9743589743589743, 'number': 19}	{'precision': 0.8823529411764706, 'recall': 0.7894736842105263, 'f1': 0.8333333333333333, 'number': 19}	{'precision': 0.8333333333333334, 'recall': 0.7142857142857143, 'f1': 0.7692307692307692, 'number': 21}	{'precision': 1.0, 'recall': 0.4, 'f1': 0.5714285714285715, 'number': 10}	0.9055	0.8779	0.8915	0.9084
0.4183	3.0	18	0.2090	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.9047619047619048, 'recall': 1.0, 'f1': 0.9500000000000001, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 0.9047619047619048, 'f1': 0.9500000000000001, 'number': 21}	{'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 10}	0.9771	0.9771	0.9771	0.9771
0.2071	4.0	24	0.1112	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.9523809523809523, 'recall': 1.0, 'f1': 0.975609756097561, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 0.9047619047619048, 'recall': 1.0, 'f1': 0.9500000000000001, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 0.9047619047619048, 'f1': 0.9500000000000001, 'number': 21}	{'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 10}	0.9771	0.9771	0.9771	0.9771
0.084	5.0	30	0.0304	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0429	6.0	36	0.0146	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0183	7.0	42	0.0090	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.011	8.0	48	0.0045	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0081	9.0	54	0.0041	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0062	10.0	60	0.0124	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.95, 'recall': 1.0, 'f1': 0.9743589743589743, 'number': 19}	{'precision': 1.0, 'recall': 0.9523809523809523, 'f1': 0.975609756097561, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	0.9924	0.9924	0.9924	0.9924
0.005	11.0	66	0.0250	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.95, 'recall': 1.0, 'f1': 0.9743589743589743, 'number': 19}	{'precision': 1.0, 'recall': 0.9523809523809523, 'f1': 0.975609756097561, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	0.9924	0.9924	0.9924	0.9924
0.0047	12.0	72	0.0193	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.95, 'recall': 1.0, 'f1': 0.9743589743589743, 'number': 19}	{'precision': 1.0, 'recall': 0.9523809523809523, 'f1': 0.975609756097561, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	0.9924	0.9924	0.9924	0.9924
0.0073	13.0	78	0.0023	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0041	14.0	84	0.0034	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0
0.0044	15.0	90	0.0036	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 20}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	1.0	1.0	1.0	1.0

Framework versions

—Transformers 4.44.2
—Pytorch 2.4.1+cu121
—Datasets 3.0.1
—Tokenizers 0.19.1