Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4636	0.04	50	0.3662	0.8667
0.442	0.08	100	0.3471	0.84
0.3574	0.12	150	0.3446	0.86
0.392	0.16	200	0.6776	0.6267
0.4801	0.2	250	0.4307	0.7667
0.487	0.24	300	0.5127	0.8
0.4414	0.28	350	0.3912	0.8133
0.4495	0.32	400	0.4056	0.8333
0.4637	0.37	450	0.3635	0.8533
0.4231	0.41	500	0.4235	0.84
0.4049	0.45	550	0.4094	0.8067
0.4481	0.49	600	0.3977	0.7733
0.4024	0.53	650	0.3361	0.8733
0.3901	0.57	700	0.3014	0.8667
0.3872	0.61	750	0.3363	0.8533
0.377	0.65	800	0.3754	0.8
0.459	0.69	850	0.3861	0.8
0.437	0.73	900	0.3834	0.8333
0.3823	0.77	950	0.3541	0.8733
0.3561	0.81	1000	0.3177	0.84
0.4536	0.85	1050	0.4291	0.78
0.4457	0.89	1100	0.3193	0.86
0.3478	0.93	1150	0.3159	0.8533
0.4613	0.97	1200	0.3605	0.84
0.4081	1.01	1250	0.4291	0.7867
0.3849	1.06	1300	0.3114	0.8733
0.4071	1.1	1350	0.2939	0.8667
0.3484	1.14	1400	0.3212	0.84
0.3869	1.18	1450	0.2717	0.8933
0.3877	1.22	1500	0.3459	0.84
0.4245	1.26	1550	0.3404	0.8733
0.4148	1.3	1600	0.2863	0.8667
0.3542	1.34	1650	0.3377	0.86
0.4093	1.38	1700	0.2972	0.8867
0.3579	1.42	1750	0.3926	0.86
0.3892	1.46	1800	0.2870	0.8667
0.3569	1.5	1850	0.4027	0.8467
0.3493	1.54	1900	0.3069	0.8467
0.36	1.58	1950	0.3197	0.8733
0.3532	1.62	2000	0.3711	0.8667
0.3311	1.66	2050	0.2897	0.8867
0.346	1.7	2100	0.2938	0.88
0.3389	1.75	2150	0.2734	0.8933
0.3289	1.79	2200	0.2606	0.8867
0.3558	1.83	2250	0.3070	0.88
0.3277	1.87	2300	0.2757	0.8867
0.3166	1.91	2350	0.2759	0.8733
0.3223	1.95	2400	0.2053	0.9133
0.317	1.99	2450	0.2307	0.8867
0.3408	2.03	2500	0.2557	0.9067
0.3212	2.07	2550	0.2508	0.8867
0.2806	2.11	2600	0.2472	0.88
0.3567	2.15	2650	0.2790	0.8933
0.2887	2.19	2700	0.3197	0.88
0.3222	2.23	2750	0.2943	0.8667
0.2773	2.27	2800	0.2297	0.88
0.2728	2.31	2850	0.2813	0.8733
0.3115	2.35	2900	0.3470	0.8867
0.3001	2.39	2950	0.2702	0.8933
0.3464	2.44	3000	0.2855	0.9
0.3041	2.48	3050	0.2366	0.8867
0.2717	2.52	3100	0.3220	0.88
0.2903	2.56	3150	0.2230	0.9
0.2959	2.6	3200	0.2439	0.9067
0.2753	2.64	3250	0.2918	0.8733
0.2515	2.68	3300	0.2493	0.88
0.295	2.72	3350	0.2673	0.8867
0.2572	2.76	3400	0.2842	0.8733
0.2988	2.8	3450	0.2306	0.9067
0.2923	2.84	3500	0.2329	0.8933
0.2856	2.88	3550	0.2374	0.88
0.2867	2.92	3600	0.2294	0.8733
0.306	2.96	3650	0.2169	0.92
0.2312	3.0	3700	0.2456	0.88
0.2438	3.04	3750	0.2134	0.8867
0.2103	3.08	3800	0.2242	0.92
0.2469	3.12	3850	0.2407	0.92
0.2346	3.17	3900	0.1866	0.92
0.2275	3.21	3950	0.2318	0.92
0.2542	3.25	4000	0.2256	0.9
0.2544	3.29	4050	0.2246	0.9133
0.2468	3.33	4100	0.2436	0.8733
0.2105	3.37	4150	0.2098	0.9067
0.2818	3.41	4200	0.2304	0.88
0.2041	3.45	4250	0.2430	0.8933
0.28	3.49	4300	0.1990	0.9067
0.1997	3.53	4350	0.2515	0.8933
0.2409	3.57	4400	0.2315	0.9
0.1969	3.61	4450	0.2160	0.8933
0.2246	3.65	4500	0.1979	0.92
0.2185	3.69	4550	0.2238	0.9
0.259	3.73	4600	0.2011	0.9067
0.2407	3.77	4650	0.1911	0.92
0.2198	3.81	4700	0.2083	0.92
0.235	3.86	4750	0.1724	0.9267
0.26	3.9	4800	0.1640	0.9333
0.2334	3.94	4850	0.1778	0.9267
0.2121	3.98	4900	0.2062	0.8933
0.173	4.02	4950	0.1987	0.92
0.1942	4.06	5000	0.2509	0.8933
0.1703	4.1	5050	0.2179	0.9
0.1735	4.14	5100	0.2429	0.8867
0.2098	4.18	5150	0.1938	0.9267
0.2126	4.22	5200	0.1971	0.92
0.164	4.26	5250	0.2539	0.9067
0.2271	4.3	5300	0.1765	0.94
0.2245	4.34	5350	0.1894	0.94
0.182	4.38	5400	0.1790	0.9467
0.1835	4.42	5450	0.2014	0.9333
0.2185	4.46	5500	0.1881	0.9467
0.2113	4.5	5550	0.1742	0.9333
0.1997	4.55	5600	0.1762	0.94
0.1959	4.59	5650	0.1657	0.9467
0.2035	4.63	5700	0.1973	0.92
0.228	4.67	5750	0.1769	0.9467
0.1632	4.71	5800	0.1968	0.9267
0.1468	4.75	5850	0.1822	0.9467
0.1936	4.79	5900	0.1832	0.94
0.1743	4.83	5950	0.1987	0.9267
0.1654	4.87	6000	0.1943	0.9267
0.1859	4.91	6050	0.1990	0.92
0.2039	4.95	6100	0.1982	0.9267
0.2325	4.99	6150	0.1990	0.9267

Framework versions

Transformers 4.24.0
Pytorch 1.13.0
Datasets 2.7.1
Tokenizers 0.13.2

Etelis/TweetEval_ALBERT_5E

TweetEval_ALBERT_5E

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Etelis/
TweetEval_ALBERT_5E