optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 1e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
training_precision: float32

Training results

Train Loss	Train Accuracy	Train Wermet	Validation Loss	Validation Accuracy	Validation Wermet	Epoch
0.3330	0.0999	1.7359	0.3779	0.0615	4.7471	0
0.3093	0.1007	2.0563	0.3652	0.0618	7.2181	1
0.2869	0.1015	2.0654	0.3539	0.0620	8.6857	2
0.2672	0.1022	2.1925	0.3443	0.0623	8.0906	3
0.2488	0.1028	2.3286	0.3305	0.0626	9.1756	4
0.2316	0.1034	2.4212	0.3300	0.0626	8.1427	5
0.2163	0.1039	2.5012	0.3183	0.0629	8.3043	6
0.2018	0.1045	2.7267	0.3109	0.0631	9.5329	7
0.1878	0.1050	2.7034	0.3053	0.0632	7.9014	8
0.1749	0.1054	2.8719	0.3063	0.0632	9.0257	9
0.1628	0.1058	2.8764	0.3033	0.0634	9.1336	10
0.1510	0.1063	2.8441	0.3046	0.0634	8.6064	11
0.1391	0.1067	2.9377	0.3030	0.0635	9.1326	12
0.1280	0.1071	2.9433	0.3025	0.0636	9.4533	13
0.1182	0.1075	3.1399	0.3076	0.0636	9.9836	14
0.1086	0.1078	3.2411	0.3096	0.0636	8.8470	15
0.0983	0.1082	3.2622	0.3125	0.0636	9.1506	16
0.0889	0.1086	3.3368	0.3184	0.0636	8.9635	17
0.0803	0.1089	3.2742	0.3204	0.0637	9.3550	18
0.0720	0.1092	3.4052	0.3258	0.0637	10.1082	19
0.0637	0.1096	3.4287	0.3342	0.0637	10.3977	20
0.0566	0.1098	3.4708	0.3411	0.0636	10.6479	21
0.0498	0.1101	3.4462	0.3463	0.0637	10.1602	22
0.0429	0.1104	3.4056	0.3588	0.0636	9.7172	23
0.0374	0.1106	3.4477	0.3656	0.0636	9.4476	24
0.0325	0.1108	3.4474	0.3712	0.0637	9.6926	25
0.0279	0.1109	3.4263	0.3836	0.0636	10.0768	26
0.0233	0.1111	3.4779	0.3873	0.0637	9.8123	27
0.0196	0.1112	3.5329	0.4015	0.0636	10.0477	28
0.0160	0.1113	3.5049	0.4097	0.0636	10.4027	29
0.0139	0.1114	3.6185	0.4201	0.0636	10.9904	30
0.0112	0.1114	3.5812	0.4300	0.0636	10.4501	31
0.0096	0.1115	3.7493	0.4409	0.0636	10.3964	32
0.0089	0.1115	3.6912	0.4499	0.0636	10.8345	33
0.0082	0.1115	3.7577	0.4583	0.0636	10.2883	34
0.0090	0.1114	3.8468	0.4755	0.0635	11.8086	35
0.0168	0.1111	3.6340	0.4592	0.0636	10.6373	36
0.0072	0.1115	3.8163	0.4644	0.0637	10.2448	37
0.0040	0.1115	3.8376	0.4728	0.0637	10.9074	38
0.0029	0.1115	3.8274	0.4814	0.0637	10.5440	39
0.0025	0.1115	3.8022	0.4891	0.0637	10.8606	40
0.0021	0.1115	3.8940	0.4937	0.0637	10.9388	41
0.0018	0.1115	3.8026	0.5030	0.0637	10.6511	42
0.0014	0.1115	3.8260	0.5092	0.0637	10.5743	43
0.0173	0.1110	3.6223	0.5066	0.0635	9.9370	44
0.0073	0.1114	3.6868	0.4972	0.0637	10.6775	45
0.0027	0.1115	3.6742	0.5025	0.0638	10.3476	46
0.0016	0.1115	3.7677	0.5078	0.0638	10.2277	47
0.0013	0.1115	3.7721	0.5131	0.0638	10.4473	48
0.0011	0.1115	3.8394	0.5189	0.0638	10.4344	49
0.0009	0.1116	3.8666	0.5245	0.0638	10.4933	50
0.0008	0.1116	3.8432	0.5307	0.0638	10.5118	51
0.0008	0.1115	3.8808	0.5391	0.0637	10.7086	52
0.0207	0.1108	3.8324	0.5204	0.0636	9.3724	53
0.0074	0.1113	3.4605	0.5254	0.0637	10.1335	54
0.0023	0.1115	3.6304	0.5164	0.0639	10.2554	55
0.0012	0.1115	3.7309	0.5202	0.0639	10.3892	56
0.0009	0.1115	3.6945	0.5260	0.0639	10.0808	57
0.0007	0.1116	3.6804	0.5308	0.0639	10.2385	58
0.0006	0.1116	3.6696	0.5350	0.0639	10.1248	59
0.0005	0.1116	3.7425	0.5394	0.0639	10.1711	60
0.0005	0.1116	3.7317	0.5442	0.0639	10.1407	61
0.0004	0.1116	3.7010	0.5490	0.0639	10.0544	62
0.0004	0.1116	3.6921	0.5546	0.0639	10.1746	63
0.0003	0.1116	3.7494	0.5598	0.0639	10.0562	64

Framework versions

Transformers 4.33.0.dev0
TensorFlow 2.13.0
Tokenizers 0.13.3

bigmorning/whisper_char_cv12_pad_lob100_low__0065

whisper_char_cv12_pad_lob100_low__0065

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

bigmorning/
whisper_char_cv12_pad_lob100_low__0065