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
2.5942	0.0399	3.6402	1.9371	0.0319	16.1531	0
1.8766	0.0532	6.8384	1.7437	0.0343	15.0408	1
1.7251	0.0570	5.9150	1.6630	0.0358	10.5002	2
1.6457	0.0591	5.1153	1.5993	0.0369	10.4737	3
1.5935	0.0604	4.8231	1.5582	0.0375	8.5794	4
1.5526	0.0615	4.1987	1.5103	0.0385	9.4130	5
1.5165	0.0625	4.0179	1.4812	0.0391	6.6025	6
1.4868	0.0633	3.6770	1.4465	0.0399	6.7562	7
1.4565	0.0642	3.3851	1.4326	0.0402	6.3327	8
1.4271	0.0650	3.2883	1.3788	0.0413	6.5933	9
1.3965	0.0659	3.0822	1.3558	0.0415	5.7852	10
1.3541	0.0671	2.8659	1.2958	0.0429	5.2978	11
1.3066	0.0684	2.4942	1.2323	0.0440	4.9600	12
1.2401	0.0703	2.0745	1.1430	0.0456	3.6837	13
1.1549	0.0728	1.6202	1.0353	0.0478	2.9217	14
1.0653	0.0755	1.3041	0.9650	0.0492	2.0673	15
0.9765	0.0783	1.0922	0.8766	0.0510	2.7441	16
0.8977	0.0808	1.2561	0.8053	0.0524	3.6015	17
0.8246	0.0831	1.2955	0.7391	0.0537	3.2922	18
0.7591	0.0852	1.3109	0.7221	0.0541	3.6946	19
0.6988	0.0872	1.3303	0.6366	0.0559	3.8377	20
0.6424	0.0891	1.3256	0.5883	0.0569	4.1079	21
0.5925	0.0908	1.3637	0.5649	0.0575	3.7297	22
0.5405	0.0925	1.3142	0.5193	0.0584	3.5121	23
0.4929	0.0942	1.3157	0.4836	0.0591	4.8017	24
0.4523	0.0956	1.4635	0.4542	0.0598	4.5538	25
0.4116	0.0971	1.5118	0.4377	0.0602	4.9221	26
0.3759	0.0984	1.6392	0.4101	0.0608	5.6152	27
0.3446	0.0994	1.7744	0.3890	0.0613	7.0303	28
0.3176	0.1004	2.1998	0.3751	0.0616	8.1772	29
0.2945	0.1012	2.5525	0.3598	0.0619	8.2165	30
0.2739	0.1019	2.7708	0.3425	0.0623	9.8904	31
0.2553	0.1026	3.0620	0.3336	0.0625	9.8263	32
0.2380	0.1032	3.3150	0.3248	0.0627	10.1323	33
0.2225	0.1037	3.4188	0.3186	0.0629	9.8005	34
0.2074	0.1043	3.4245	0.3194	0.0629	10.0836	35
0.1921	0.1048	3.5998	0.3096	0.0631	10.9020	36
0.1795	0.1053	3.7938	0.3075	0.0632	11.1284	37
0.1671	0.1057	3.7413	0.3038	0.0633	10.9362	38
0.1546	0.1061	3.7830	0.3024	0.0634	10.7771	39
0.1432	0.1066	3.6808	0.3035	0.0635	11.4689	40
0.1319	0.1070	3.7824	0.3027	0.0635	10.9949	41
0.1211	0.1074	3.9301	0.3060	0.0636	10.8937	42
0.1113	0.1077	3.8509	0.3060	0.0636	10.7188	43
0.1012	0.1081	3.8780	0.3104	0.0636	10.6993	44
0.0922	0.1085	3.6982	0.3123	0.0637	10.6308	45
0.0827	0.1088	3.7227	0.3185	0.0637	10.8392	46
0.0741	0.1092	3.7235	0.3222	0.0637	10.2774	47
0.0665	0.1095	3.7106	0.3314	0.0637	9.5736	48
0.0589	0.1098	3.6104	0.3393	0.0636	9.9114	49
0.0515	0.1100	3.6150	0.3431	0.0637	10.1000	50
0.0453	0.1103	3.6760	0.3542	0.0636	9.4499	51
0.0389	0.1105	3.7376	0.3607	0.0636	9.6629	52
0.0335	0.1107	3.7707	0.3692	0.0637	9.5104	53
0.0283	0.1109	3.7655	0.3771	0.0636	9.6379	54
0.0246	0.1110	3.9511	0.3898	0.0636	9.7582	55
0.0211	0.1111	3.9487	0.3960	0.0636	10.0651	56
0.0191	0.1112	4.0695	0.4041	0.0636	9.1873	57
0.0150	0.1113	4.2329	0.4158	0.0636	10.5777	58
0.0117	0.1114	4.3648	0.4241	0.0636	10.1904	59
0.0096	0.1115	4.3534	0.4333	0.0636	10.3831	60
0.0084	0.1115	4.4131	0.4417	0.0636	10.2134	61
0.0072	0.1115	4.4827	0.4539	0.0636	10.4537	62
0.0101	0.1114	4.6105	0.4701	0.0635	9.2620	63
0.0114	0.1113	4.4725	0.4602	0.0637	11.3443	64

Framework versions

Transformers 4.33.0.dev0
TensorFlow 2.13.0
Tokenizers 0.13.3

bigmorning/whisper_char_cv12_pad_lob100_low_sup__0065

whisper_char_cv12_pad_lob100_low_sup__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_sup__0065