Training Loss	Epoch	Step	Validation Loss	Accuracy	Tp	Tn	Fp	Fn
0.7029	0.8	20	0.6948	0.5019	0.1951	0.3068	0.1932	0.3049
0.6937	1.6	40	0.6952	0.4931	0.3390	0.1540	0.3460	0.1610
0.6974	2.4	60	0.6954	0.4937	0.3567	0.1370	0.3630	0.1433
0.7041	3.2	80	0.6946	0.5051	0.2191	0.2860	0.2140	0.2809
0.6975	4.0	100	0.6947	0.5013	0.1799	0.3213	0.1787	0.3201
0.6996	4.8	120	0.6948	0.5025	0.1521	0.3504	0.1496	0.3479
0.7008	5.6	140	0.6944	0.4975	0.2841	0.2134	0.2866	0.2159
0.7004	6.4	160	0.6943	0.4968	0.1850	0.3119	0.1881	0.3150
0.6913	7.2	180	0.6944	0.4924	0.1553	0.3371	0.1629	0.3447
0.703	8.0	200	0.6941	0.5025	0.2784	0.2241	0.2759	0.2216
0.6975	8.8	220	0.6941	0.4987	0.2197	0.2790	0.2210	0.2803
0.6964	9.6	240	0.6942	0.4949	0.2058	0.2891	0.2109	0.2942
0.692	10.4	260	0.6943	0.4949	0.3037	0.1913	0.3087	0.1963
0.6939	11.2	280	0.6943	0.4987	0.1900	0.3087	0.1913	0.3100
0.7043	12.0	300	0.6942	0.5044	0.2551	0.2494	0.2506	0.2449
0.7036	12.8	320	0.6942	0.4912	0.2102	0.2809	0.2191	0.2898
0.697	13.6	340	0.6943	0.4975	0.1604	0.3371	0.1629	0.3396
0.7028	14.4	360	0.6950	0.5032	0.3939	0.1092	0.3908	0.1061
0.7012	15.2	380	0.6940	0.4962	0.2045	0.2917	0.2083	0.2955
0.6976	16.0	400	0.6940	0.4968	0.2102	0.2866	0.2134	0.2898
0.695	16.8	420	0.6944	0.5095	0.1452	0.3643	0.1357	0.3548
0.6985	17.6	440	0.6939	0.5013	0.2210	0.2803	0.2197	0.2790
0.6946	18.4	460	0.6939	0.5032	0.2765	0.2266	0.2734	0.2235
0.6975	19.2	480	0.6940	0.4962	0.1749	0.3213	0.1787	0.3251
0.6958	20.0	500	0.6939	0.4905	0.2058	0.2847	0.2153	0.2942
0.6947	20.8	520	0.6938	0.5057	0.2771	0.2285	0.2715	0.2229
0.7044	21.6	540	0.6940	0.5019	0.2986	0.2033	0.2967	0.2014
0.698	22.4	560	0.6941	0.4918	0.3201	0.1717	0.3283	0.1799
0.7016	23.2	580	0.6939	0.5076	0.2771	0.2304	0.2696	0.2229
0.7029	24.0	600	0.6939	0.5063	0.2765	0.2298	0.2702	0.2235
0.6975	24.8	620	0.6938	0.5025	0.2904	0.2121	0.2879	0.2096
0.6966	25.6	640	0.6940	0.5032	0.1660	0.3371	0.1629	0.3340
0.6974	26.4	660	0.6938	0.4994	0.1926	0.3068	0.1932	0.3074
0.6998	27.2	680	0.6938	0.5013	0.2229	0.2784	0.2216	0.2771
0.6899	28.0	700	0.6937	0.5082	0.25	0.2582	0.2418	0.25
0.6954	28.8	720	0.6937	0.4968	0.2109	0.2860	0.2140	0.2891
0.6926	29.6	740	0.6941	0.4899	0.3479	0.1420	0.3580	0.1521
0.6936	30.4	760	0.6938	0.5006	0.2822	0.2184	0.2816	0.2178
0.6911	31.2	780	0.6937	0.5057	0.2519	0.2538	0.2462	0.2481
0.69	32.0	800	0.6938	0.5038	0.2904	0.2134	0.2866	0.2096
0.6953	32.8	820	0.6937	0.5051	0.2765	0.2285	0.2715	0.2235
0.6971	33.6	840	0.6937	0.4956	0.2020	0.2936	0.2064	0.2980
0.6983	34.4	860	0.6937	0.5025	0.2727	0.2298	0.2702	0.2273
0.698	35.2	880	0.6938	0.4987	0.3024	0.1963	0.3037	0.1976
0.6949	36.0	900	0.6938	0.5032	0.3081	0.1951	0.3049	0.1919
0.6969	36.8	920	0.6937	0.5082	0.2885	0.2197	0.2803	0.2115
0.6978	37.6	940	0.6937	0.5088	0.3087	0.2001	0.2999	0.1913
0.6965	38.4	960	0.6936	0.5088	0.2588	0.25	0.25	0.2412
0.6929	39.2	980	0.6936	0.5101	0.2620	0.2481	0.2519	0.2380
0.6967	40.0	1000	0.6936	0.5101	0.2702	0.2399	0.2601	0.2298
0.6971	40.8	1020	0.6936	0.5069	0.2431	0.2639	0.2361	0.2569
0.6976	41.6	1040	0.6936	0.5063	0.2418	0.2645	0.2355	0.2582
0.6989	42.4	1060	0.6936	0.5038	0.2304	0.2734	0.2266	0.2696
0.6995	43.2	1080	0.6936	0.5019	0.2254	0.2765	0.2235	0.2746
0.6981	44.0	1100	0.6936	0.5069	0.2386	0.2683	0.2317	0.2614
0.6914	44.8	1120	0.6936	0.5095	0.25	0.2595	0.2405	0.25
0.6936	45.6	1140	0.6936	0.5095	0.25	0.2595	0.2405	0.25
0.6951	46.4	1160	0.6936	0.5107	0.2734	0.2374	0.2626	0.2266
0.6964	47.2	1180	0.6936	0.5114	0.2854	0.2260	0.2740	0.2146
0.7004	48.0	1200	0.6936	0.5114	0.2822	0.2292	0.2708	0.2178
0.696	48.8	1220	0.6936	0.5088	0.2759	0.2330	0.2670	0.2241
0.6966	49.6	1240	0.6936	0.5114	0.2734	0.2380	0.2620	0.2266

Framework versions

Transformers 4.26.1
Pytorch 1.13.1
Datasets 2.10.1
Tokenizers 0.13.2

asun17904/multiberts-seed_1_winobias_classifieronly

multiberts-seed_1_winobias_classifieronly

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

asun17904/
multiberts-seed_1_winobias_classifieronly