Hugging Face's logo

vigneshgs7
/
segformer-b0-finetuned-segments-docboundary-dec-15-88_images

Image Segmentation
Transformers
TensorBoard
Safetensors
segformer
vision
Generated from Trainer
Inference Endpoints
Model card Files Metrics Community
vigneshgs7 commited on
Commit
44ec678
·
1 Parent(s): 5e8268a

End of training

Browse files
Files changed (5) hide show
  1. README.md +238 -0
  2. config.json +76 -0
  3. model.safetensors +3 -0
  4. runs/Dec16_00-12-40_Vigneshs-MBP.alphionsee.in/events.out.tfevents.1702665771.Vigneshs-MBP.alphionsee.in.36983.4 +3 -0
  5. training_args.bin +3 -0
README.md ADDED
@@ -0,0 +1,238 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ license: other
3
+ base_model: nvidia/mit-b0
4
+ tags:
5
+ - vision
6
+ - image-segmentation
7
+ - generated_from_trainer
8
+ model-index:
9
+ - name: segformer-b0-finetuned-segments-docboundary-dec-15-88_images
10
+ results: []
11
+ ---
12
+
13
+ <!-- This model card has been generated automatically according to the information the Trainer had access to. You
14
+ should probably proofread and complete it, then remove this comment. -->
15
+
16
+ # segformer-b0-finetuned-segments-docboundary-dec-15-88_images
17
+
18
+ This model is a fine-tuned version of [nvidia/mit-b0](https://huggingface.co/nvidia/mit-b0) on the vigneshgs7/Boundary_detection_Doc dataset.
19
+ It achieves the following results on the evaluation set:
20
+ - Loss: 0.0210
21
+ - Mean Iou: 0.0
22
+ - Mean Accuracy: nan
23
+ - Overall Accuracy: nan
24
+ - Accuracy Object: nan
25
+ - Iou Object: 0.0
26
+
27
+ ## Model description
28
+
29
+ More information needed
30
+
31
+ ## Intended uses & limitations
32
+
33
+ More information needed
34
+
35
+ ## Training and evaluation data
36
+
37
+ More information needed
38
+
39
+ ## Training procedure
40
+
41
+ ### Training hyperparameters
42
+
43
+ The following hyperparameters were used during training:
44
+ - learning_rate: 6e-05
45
+ - train_batch_size: 2
46
+ - eval_batch_size: 2
47
+ - seed: 42
48
+ - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
49
+ - lr_scheduler_type: linear
50
+ - num_epochs: 100
51
+
52
+ ### Training results
53
+
54
+ | Training Loss | Epoch | Step | Validation Loss | Mean Iou | Mean Accuracy | Overall Accuracy | Accuracy Object | Iou Object |
55
+ |:-------------:|:-----:|:----:|:---------------:|:--------:|:-------------:|:----------------:|:---------------:|:----------:|
56
+ | 0.2271 | 0.57 | 20 | 0.2264 | 0.0 | nan | nan | nan | 0.0 |
57
+ | 0.2259 | 1.14 | 40 | 0.2250 | 0.0 | nan | nan | nan | 0.0 |
58
+ | 0.2206 | 1.71 | 60 | 0.1485 | 0.0 | nan | nan | nan | 0.0 |
59
+ | 0.1746 | 2.29 | 80 | 0.1454 | 0.0 | nan | nan | nan | 0.0 |
60
+ | 0.15 | 2.86 | 100 | 0.1346 | 0.0 | nan | nan | nan | 0.0 |
61
+ | 0.1664 | 3.43 | 120 | 0.1256 | 0.0 | nan | nan | nan | 0.0 |
62
+ | 0.1592 | 4.0 | 140 | 0.1174 | 0.0 | nan | nan | nan | 0.0 |
63
+ | 0.1315 | 4.57 | 160 | 0.1162 | 0.0 | nan | nan | nan | 0.0 |
64
+ | 0.1175 | 5.14 | 180 | 0.0957 | 0.0 | nan | nan | nan | 0.0 |
65
+ | 0.104 | 5.71 | 200 | 0.0987 | 0.0 | nan | nan | nan | 0.0 |
66
+ | 0.1028 | 6.29 | 220 | 0.0922 | 0.0 | nan | nan | nan | 0.0 |
67
+ | 0.0961 | 6.86 | 240 | 0.0882 | 0.0 | nan | nan | nan | 0.0 |
68
+ | 0.0969 | 7.43 | 260 | 0.0781 | 0.0 | nan | nan | nan | 0.0 |
69
+ | 0.0965 | 8.0 | 280 | 0.0699 | 0.0 | nan | nan | nan | 0.0 |
70
+ | 0.0782 | 8.57 | 300 | 0.0708 | 0.0 | nan | nan | nan | 0.0 |
71
+ | 0.0852 | 9.14 | 320 | 0.0692 | 0.0 | nan | nan | nan | 0.0 |
72
+ | 0.071 | 9.71 | 340 | 0.0664 | 0.0 | nan | nan | nan | 0.0 |
73
+ | 0.0647 | 10.29 | 360 | 0.0635 | 0.0 | nan | nan | nan | 0.0 |
74
+ | 0.0639 | 10.86 | 380 | 0.0586 | 0.0 | nan | nan | nan | 0.0 |
75
+ | 0.0598 | 11.43 | 400 | 0.0582 | 0.0 | nan | nan | nan | 0.0 |
76
+ | 0.0642 | 12.0 | 420 | 0.0544 | 0.0 | nan | nan | nan | 0.0 |
77
+ | 0.0562 | 12.57 | 440 | 0.0558 | 0.0 | nan | nan | nan | 0.0 |
78
+ | 0.0554 | 13.14 | 460 | 0.0536 | 0.0 | nan | nan | nan | 0.0 |
79
+ | 0.0597 | 13.71 | 480 | 0.0458 | 0.0 | nan | nan | nan | 0.0 |
80
+ | 0.0506 | 14.29 | 500 | 0.0491 | 0.0 | nan | nan | nan | 0.0 |
81
+ | 0.0504 | 14.86 | 520 | 0.0434 | 0.0 | nan | nan | nan | 0.0 |
82
+ | 0.0493 | 15.43 | 540 | 0.0448 | 0.0 | nan | nan | nan | 0.0 |
83
+ | 0.0507 | 16.0 | 560 | 0.0466 | 0.0 | nan | nan | nan | 0.0 |
84
+ | 0.0515 | 16.57 | 580 | 0.0448 | 0.0 | nan | nan | nan | 0.0 |
85
+ | 0.0456 | 17.14 | 600 | 0.0439 | 0.0 | nan | nan | nan | 0.0 |
86
+ | 0.0507 | 17.71 | 620 | 0.0368 | 0.0 | nan | nan | nan | 0.0 |
87
+ | 0.0457 | 18.29 | 640 | 0.0421 | 0.0 | nan | nan | nan | 0.0 |
88
+ | 0.0391 | 18.86 | 660 | 0.0353 | 0.0 | nan | nan | nan | 0.0 |
89
+ | 0.0389 | 19.43 | 680 | 0.0409 | 0.0 | nan | nan | nan | 0.0 |
90
+ | 0.0418 | 20.0 | 700 | 0.0371 | 0.0 | nan | nan | nan | 0.0 |
91
+ | 0.0352 | 20.57 | 720 | 0.0367 | 0.0 | nan | nan | nan | 0.0 |
92
+ | 0.035 | 21.14 | 740 | 0.0334 | 0.0 | nan | nan | nan | 0.0 |
93
+ | 0.0356 | 21.71 | 760 | 0.0350 | 0.0 | nan | nan | nan | 0.0 |
94
+ | 0.0338 | 22.29 | 780 | 0.0330 | 0.0 | nan | nan | nan | 0.0 |
95
+ | 0.0364 | 22.86 | 800 | 0.0322 | 0.0 | nan | nan | nan | 0.0 |
96
+ | 0.0392 | 23.43 | 820 | 0.0331 | 0.0 | nan | nan | nan | 0.0 |
97
+ | 0.0295 | 24.0 | 840 | 0.0336 | 0.0 | nan | nan | nan | 0.0 |
98
+ | 0.0315 | 24.57 | 860 | 0.0322 | 0.0 | nan | nan | nan | 0.0 |
99
+ | 0.03 | 25.14 | 880 | 0.0313 | 0.0 | nan | nan | nan | 0.0 |
100
+ | 0.0276 | 25.71 | 900 | 0.0340 | 0.0 | nan | nan | nan | 0.0 |
101
+ | 0.0274 | 26.29 | 920 | 0.0326 | 0.0 | nan | nan | nan | 0.0 |
102
+ | 0.0275 | 26.86 | 940 | 0.0304 | 0.0 | nan | nan | nan | 0.0 |
103
+ | 0.0278 | 27.43 | 960 | 0.0304 | 0.0 | nan | nan | nan | 0.0 |
104
+ | 0.0293 | 28.0 | 980 | 0.0338 | 0.0 | nan | nan | nan | 0.0 |
105
+ | 0.0245 | 28.57 | 1000 | 0.0295 | 0.0 | nan | nan | nan | 0.0 |
106
+ | 0.0348 | 29.14 | 1020 | 0.0287 | 0.0 | nan | nan | nan | 0.0 |
107
+ | 0.0236 | 29.71 | 1040 | 0.0273 | 0.0 | nan | nan | nan | 0.0 |
108
+ | 0.0229 | 30.29 | 1060 | 0.0260 | 0.0 | nan | nan | nan | 0.0 |
109
+ | 0.0324 | 30.86 | 1080 | 0.0290 | 0.0 | nan | nan | nan | 0.0 |
110
+ | 0.029 | 31.43 | 1100 | 0.0273 | 0.0 | nan | nan | nan | 0.0 |
111
+ | 0.0248 | 32.0 | 1120 | 0.0266 | 0.0 | nan | nan | nan | 0.0 |
112
+ | 0.0253 | 32.57 | 1140 | 0.0260 | 0.0 | nan | nan | nan | 0.0 |
113
+ | 0.0226 | 33.14 | 1160 | 0.0265 | 0.0 | nan | nan | nan | 0.0 |
114
+ | 0.0224 | 33.71 | 1180 | 0.0265 | 0.0 | nan | nan | nan | 0.0 |
115
+ | 0.0213 | 34.29 | 1200 | 0.0261 | 0.0 | nan | nan | nan | 0.0 |
116
+ | 0.0236 | 34.86 | 1220 | 0.0278 | 0.0 | nan | nan | nan | 0.0 |
117
+ | 0.0206 | 35.43 | 1240 | 0.0288 | 0.0 | nan | nan | nan | 0.0 |
118
+ | 0.0232 | 36.0 | 1260 | 0.0254 | 0.0 | nan | nan | nan | 0.0 |
119
+ | 0.0242 | 36.57 | 1280 | 0.0252 | 0.0 | nan | nan | nan | 0.0 |
120
+ | 0.0203 | 37.14 | 1300 | 0.0268 | 0.0 | nan | nan | nan | 0.0 |
121
+ | 0.0241 | 37.71 | 1320 | 0.0248 | 0.0 | nan | nan | nan | 0.0 |
122
+ | 0.0208 | 38.29 | 1340 | 0.0229 | 0.0 | nan | nan | nan | 0.0 |
123
+ | 0.0187 | 38.86 | 1360 | 0.0253 | 0.0 | nan | nan | nan | 0.0 |
124
+ | 0.0192 | 39.43 | 1380 | 0.0242 | 0.0 | nan | nan | nan | 0.0 |
125
+ | 0.022 | 40.0 | 1400 | 0.0248 | 0.0 | nan | nan | nan | 0.0 |
126
+ | 0.0189 | 40.57 | 1420 | 0.0244 | 0.0 | nan | nan | nan | 0.0 |
127
+ | 0.0202 | 41.14 | 1440 | 0.0250 | 0.0 | nan | nan | nan | 0.0 |
128
+ | 0.0181 | 41.71 | 1460 | 0.0242 | 0.0 | nan | nan | nan | 0.0 |
129
+ | 0.03 | 42.29 | 1480 | 0.0256 | 0.0 | nan | nan | nan | 0.0 |
130
+ | 0.0176 | 42.86 | 1500 | 0.0240 | 0.0 | nan | nan | nan | 0.0 |
131
+ | 0.0196 | 43.43 | 1520 | 0.0238 | 0.0 | nan | nan | nan | 0.0 |
132
+ | 0.0192 | 44.0 | 1540 | 0.0238 | 0.0 | nan | nan | nan | 0.0 |
133
+ | 0.0169 | 44.57 | 1560 | 0.0244 | 0.0 | nan | nan | nan | 0.0 |
134
+ | 0.0192 | 45.14 | 1580 | 0.0256 | 0.0 | nan | nan | nan | 0.0 |
135
+ | 0.0189 | 45.71 | 1600 | 0.0254 | 0.0 | nan | nan | nan | 0.0 |
136
+ | 0.0177 | 46.29 | 1620 | 0.0251 | 0.0 | nan | nan | nan | 0.0 |
137
+ | 0.0196 | 46.86 | 1640 | 0.0232 | 0.0 | nan | nan | nan | 0.0 |
138
+ | 0.0193 | 47.43 | 1660 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
139
+ | 0.0195 | 48.0 | 1680 | 0.0233 | 0.0 | nan | nan | nan | 0.0 |
140
+ | 0.0187 | 48.57 | 1700 | 0.0234 | 0.0 | nan | nan | nan | 0.0 |
141
+ | 0.0178 | 49.14 | 1720 | 0.0242 | 0.0 | nan | nan | nan | 0.0 |
142
+ | 0.0151 | 49.71 | 1740 | 0.0236 | 0.0 | nan | nan | nan | 0.0 |
143
+ | 0.0158 | 50.29 | 1760 | 0.0233 | 0.0 | nan | nan | nan | 0.0 |
144
+ | 0.0179 | 50.86 | 1780 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
145
+ | 0.0152 | 51.43 | 1800 | 0.0213 | 0.0 | nan | nan | nan | 0.0 |
146
+ | 0.0181 | 52.0 | 1820 | 0.0222 | 0.0 | nan | nan | nan | 0.0 |
147
+ | 0.0153 | 52.57 | 1840 | 0.0229 | 0.0 | nan | nan | nan | 0.0 |
148
+ | 0.0174 | 53.14 | 1860 | 0.0228 | 0.0 | nan | nan | nan | 0.0 |
149
+ | 0.015 | 53.71 | 1880 | 0.0230 | 0.0 | nan | nan | nan | 0.0 |
150
+ | 0.0138 | 54.29 | 1900 | 0.0237 | 0.0 | nan | nan | nan | 0.0 |
151
+ | 0.0154 | 54.86 | 1920 | 0.0233 | 0.0 | nan | nan | nan | 0.0 |
152
+ | 0.0154 | 55.43 | 1940 | 0.0230 | 0.0 | nan | nan | nan | 0.0 |
153
+ | 0.0164 | 56.0 | 1960 | 0.0240 | 0.0 | nan | nan | nan | 0.0 |
154
+ | 0.0164 | 56.57 | 1980 | 0.0235 | 0.0 | nan | nan | nan | 0.0 |
155
+ | 0.014 | 57.14 | 2000 | 0.0231 | 0.0 | nan | nan | nan | 0.0 |
156
+ | 0.0145 | 57.71 | 2020 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
157
+ | 0.0141 | 58.29 | 2040 | 0.0213 | 0.0 | nan | nan | nan | 0.0 |
158
+ | 0.0144 | 58.86 | 2060 | 0.0220 | 0.0 | nan | nan | nan | 0.0 |
159
+ | 0.0152 | 59.43 | 2080 | 0.0233 | 0.0 | nan | nan | nan | 0.0 |
160
+ | 0.0147 | 60.0 | 2100 | 0.0233 | 0.0 | nan | nan | nan | 0.0 |
161
+ | 0.0175 | 60.57 | 2120 | 0.0215 | 0.0 | nan | nan | nan | 0.0 |
162
+ | 0.0142 | 61.14 | 2140 | 0.0218 | 0.0 | nan | nan | nan | 0.0 |
163
+ | 0.0175 | 61.71 | 2160 | 0.0219 | 0.0 | nan | nan | nan | 0.0 |
164
+ | 0.0159 | 62.29 | 2180 | 0.0219 | 0.0 | nan | nan | nan | 0.0 |
165
+ | 0.0136 | 62.86 | 2200 | 0.0220 | 0.0 | nan | nan | nan | 0.0 |
166
+ | 0.0187 | 63.43 | 2220 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
167
+ | 0.0139 | 64.0 | 2240 | 0.0227 | 0.0 | nan | nan | nan | 0.0 |
168
+ | 0.0139 | 64.57 | 2260 | 0.0227 | 0.0 | nan | nan | nan | 0.0 |
169
+ | 0.0128 | 65.14 | 2280 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
170
+ | 0.0128 | 65.71 | 2300 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
171
+ | 0.0127 | 66.29 | 2320 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
172
+ | 0.0135 | 66.86 | 2340 | 0.0212 | 0.0 | nan | nan | nan | 0.0 |
173
+ | 0.0128 | 67.43 | 2360 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
174
+ | 0.0162 | 68.0 | 2380 | 0.0205 | 0.0 | nan | nan | nan | 0.0 |
175
+ | 0.0145 | 68.57 | 2400 | 0.0198 | 0.0 | nan | nan | nan | 0.0 |
176
+ | 0.0131 | 69.14 | 2420 | 0.0198 | 0.0 | nan | nan | nan | 0.0 |
177
+ | 0.0126 | 69.71 | 2440 | 0.0213 | 0.0 | nan | nan | nan | 0.0 |
178
+ | 0.013 | 70.29 | 2460 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
179
+ | 0.0134 | 70.86 | 2480 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
180
+ | 0.0133 | 71.43 | 2500 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
181
+ | 0.0124 | 72.0 | 2520 | 0.0213 | 0.0 | nan | nan | nan | 0.0 |
182
+ | 0.0112 | 72.57 | 2540 | 0.0215 | 0.0 | nan | nan | nan | 0.0 |
183
+ | 0.0128 | 73.14 | 2560 | 0.0217 | 0.0 | nan | nan | nan | 0.0 |
184
+ | 0.0127 | 73.71 | 2580 | 0.0218 | 0.0 | nan | nan | nan | 0.0 |
185
+ | 0.0127 | 74.29 | 2600 | 0.0207 | 0.0 | nan | nan | nan | 0.0 |
186
+ | 0.0126 | 74.86 | 2620 | 0.0208 | 0.0 | nan | nan | nan | 0.0 |
187
+ | 0.0119 | 75.43 | 2640 | 0.0207 | 0.0 | nan | nan | nan | 0.0 |
188
+ | 0.0122 | 76.0 | 2660 | 0.0212 | 0.0 | nan | nan | nan | 0.0 |
189
+ | 0.0148 | 76.57 | 2680 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
190
+ | 0.014 | 77.14 | 2700 | 0.0216 | 0.0 | nan | nan | nan | 0.0 |
191
+ | 0.0112 | 77.71 | 2720 | 0.0219 | 0.0 | nan | nan | nan | 0.0 |
192
+ | 0.012 | 78.29 | 2740 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
193
+ | 0.0116 | 78.86 | 2760 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
194
+ | 0.0114 | 79.43 | 2780 | 0.0218 | 0.0 | nan | nan | nan | 0.0 |
195
+ | 0.0129 | 80.0 | 2800 | 0.0215 | 0.0 | nan | nan | nan | 0.0 |
196
+ | 0.0124 | 80.57 | 2820 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
197
+ | 0.0146 | 81.14 | 2840 | 0.0214 | 0.0 | nan | nan | nan | 0.0 |
198
+ | 0.0122 | 81.71 | 2860 | 0.0206 | 0.0 | nan | nan | nan | 0.0 |
199
+ | 0.0117 | 82.29 | 2880 | 0.0206 | 0.0 | nan | nan | nan | 0.0 |
200
+ | 0.0135 | 82.86 | 2900 | 0.0206 | 0.0 | nan | nan | nan | 0.0 |
201
+ | 0.0155 | 83.43 | 2920 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
202
+ | 0.0123 | 84.0 | 2940 | 0.0207 | 0.0 | nan | nan | nan | 0.0 |
203
+ | 0.014 | 84.57 | 2960 | 0.0212 | 0.0 | nan | nan | nan | 0.0 |
204
+ | 0.0112 | 85.14 | 2980 | 0.0216 | 0.0 | nan | nan | nan | 0.0 |
205
+ | 0.013 | 85.71 | 3000 | 0.0217 | 0.0 | nan | nan | nan | 0.0 |
206
+ | 0.013 | 86.29 | 3020 | 0.0216 | 0.0 | nan | nan | nan | 0.0 |
207
+ | 0.0113 | 86.86 | 3040 | 0.0212 | 0.0 | nan | nan | nan | 0.0 |
208
+ | 0.0125 | 87.43 | 3060 | 0.0215 | 0.0 | nan | nan | nan | 0.0 |
209
+ | 0.0119 | 88.0 | 3080 | 0.0215 | 0.0 | nan | nan | nan | 0.0 |
210
+ | 0.0119 | 88.57 | 3100 | 0.0221 | 0.0 | nan | nan | nan | 0.0 |
211
+ | 0.0103 | 89.14 | 3120 | 0.0224 | 0.0 | nan | nan | nan | 0.0 |
212
+ | 0.012 | 89.71 | 3140 | 0.0226 | 0.0 | nan | nan | nan | 0.0 |
213
+ | 0.0116 | 90.29 | 3160 | 0.0228 | 0.0 | nan | nan | nan | 0.0 |
214
+ | 0.013 | 90.86 | 3180 | 0.0219 | 0.0 | nan | nan | nan | 0.0 |
215
+ | 0.0257 | 91.43 | 3200 | 0.0219 | 0.0 | nan | nan | nan | 0.0 |
216
+ | 0.0109 | 92.0 | 3220 | 0.0217 | 0.0 | nan | nan | nan | 0.0 |
217
+ | 0.0119 | 92.57 | 3240 | 0.0213 | 0.0 | nan | nan | nan | 0.0 |
218
+ | 0.0131 | 93.14 | 3260 | 0.0209 | 0.0 | nan | nan | nan | 0.0 |
219
+ | 0.0128 | 93.71 | 3280 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
220
+ | 0.0117 | 94.29 | 3300 | 0.0209 | 0.0 | nan | nan | nan | 0.0 |
221
+ | 0.0135 | 94.86 | 3320 | 0.0209 | 0.0 | nan | nan | nan | 0.0 |
222
+ | 0.0111 | 95.43 | 3340 | 0.0208 | 0.0 | nan | nan | nan | 0.0 |
223
+ | 0.0115 | 96.0 | 3360 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
224
+ | 0.0118 | 96.57 | 3380 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
225
+ | 0.0118 | 97.14 | 3400 | 0.0211 | 0.0 | nan | nan | nan | 0.0 |
226
+ | 0.0173 | 97.71 | 3420 | 0.0209 | 0.0 | nan | nan | nan | 0.0 |
227
+ | 0.0127 | 98.29 | 3440 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
228
+ | 0.0114 | 98.86 | 3460 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
229
+ | 0.0114 | 99.43 | 3480 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
230
+ | 0.0642 | 100.0 | 3500 | 0.0210 | 0.0 | nan | nan | nan | 0.0 |
231
+
232
+
233
+ ### Framework versions
234
+
235
+ - Transformers 4.35.0
236
+ - Pytorch 2.1.0
237
+ - Datasets 2.14.6
238
+ - Tokenizers 0.14.1
config.json ADDED
@@ -0,0 +1,76 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "nvidia/mit-b0",
3
+ "architectures": [
4
+ "SegformerForSemanticSegmentation"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "classifier_dropout_prob": 0.1,
8
+ "decoder_hidden_size": 256,
9
+ "depths": [
10
+ 2,
11
+ 2,
12
+ 2,
13
+ 2
14
+ ],
15
+ "downsampling_rates": [
16
+ 1,
17
+ 4,
18
+ 8,
19
+ 16
20
+ ],
21
+ "drop_path_rate": 0.1,
22
+ "hidden_act": "gelu",
23
+ "hidden_dropout_prob": 0.0,
24
+ "hidden_sizes": [
25
+ 32,
26
+ 64,
27
+ 160,
28
+ 256
29
+ ],
30
+ "id2label": {
31
+ "0": "object"
32
+ },
33
+ "image_size": 224,
34
+ "initializer_range": 0.02,
35
+ "label2id": {
36
+ "object": 0
37
+ },
38
+ "layer_norm_eps": 1e-06,
39
+ "mlp_ratios": [
40
+ 4,
41
+ 4,
42
+ 4,
43
+ 4
44
+ ],
45
+ "model_type": "segformer",
46
+ "num_attention_heads": [
47
+ 1,
48
+ 2,
49
+ 5,
50
+ 8
51
+ ],
52
+ "num_channels": 3,
53
+ "num_encoder_blocks": 4,
54
+ "patch_sizes": [
55
+ 7,
56
+ 3,
57
+ 3,
58
+ 3
59
+ ],
60
+ "reshape_last_stage": true,
61
+ "semantic_loss_ignore_index": 255,
62
+ "sr_ratios": [
63
+ 8,
64
+ 4,
65
+ 2,
66
+ 1
67
+ ],
68
+ "strides": [
69
+ 4,
70
+ 2,
71
+ 2,
72
+ 2
73
+ ],
74
+ "torch_dtype": "float32",
75
+ "transformers_version": "4.35.0"
76
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0e29f2938b898e1f3c56243ea960bdf9669c39ba7385e2fba64419944c007dd0
3
+ size 14883748
runs/Dec16_00-12-40_Vigneshs-MBP.alphionsee.in/events.out.tfevents.1702665771.Vigneshs-MBP.alphionsee.in.36983.4 ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1acdc46eec8fe811fbccd1380345964e8988083953793b277dc64fbefec39b34
3
+ size 170433
training_args.bin ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:63fe8e78f1d878262a55a387259e26aff03c34ab265f4e956429898e853c5940
3
+ size 4728