Loss: 0.0287
Adhaar Number: {'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}
Ame: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}
Ather Name: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
Ather Name Back: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}
Ather Name Front Top: {'precision': 0.9166666666666666, 'recall': 1.0, 'f1': 0.9565217391304348, 'number': 11}
Ddress Back: {'precision': 0.9512195121951219, 'recall': 0.9629629629629629, 'f1': 0.9570552147239264, 'number': 81}
Ddress Front: {'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}
Ender: {'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}
Ob: {'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}
Obile Number: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}
Ther: {'precision': 0.958974358974359, 'recall': 0.9689119170984456, 'f1': 0.9639175257731959, 'number': 193}
Overall Precision: 0.9623
Overall Recall: 0.9725
Overall F1: 0.9673
Overall Accuracy: 0.9973

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
training_steps: 2500
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Adhaar Number	Ame	Ather Name	Ather Name Back	Ather Name Front Top	Ddress Back	Ddress Front	Ender	Ob	Obile Number	Ther	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.1651	10.0	200	0.0226	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 39}	{'precision': 0.9130434782608695, 'recall': 0.9130434782608695, 'f1': 0.9130434782608695, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.926829268292683, 'recall': 0.9382716049382716, 'f1': 0.9325153374233128, 'number': 81}	{'precision': 0.9811320754716981, 'recall': 1.0, 'f1': 0.9904761904761905, 'number': 52}	{'precision': 0.9047619047619048, 'recall': 0.9047619047619048, 'f1': 0.9047619047619048, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9384615384615385, 'recall': 0.9481865284974094, 'f1': 0.9432989690721649, 'number': 193}	0.9497	0.9597	0.9547	0.9962
0.004	20.0	400	0.0270	{'precision': 0.9487179487179487, 'recall': 0.9487179487179487, 'f1': 0.9487179487179487, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.926829268292683, 'recall': 0.9382716049382716, 'f1': 0.9325153374233128, 'number': 81}	{'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9090909090909091, 'recall': 0.9523809523809523, 'f1': 0.9302325581395349, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9333333333333333, 'recall': 0.9430051813471503, 'f1': 0.9381443298969072, 'number': 193}	0.9454	0.9534	0.9494	0.9964
0.0016	30.0	600	0.0321	{'precision': 0.925, 'recall': 0.9487179487179487, 'f1': 0.9367088607594937, 'number': 39}	{'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9146341463414634, 'recall': 0.9259259259259259, 'f1': 0.9202453987730062, 'number': 81}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9282051282051282, 'recall': 0.9378238341968912, 'f1': 0.9329896907216495, 'number': 193}	0.9414	0.9534	0.9474	0.9959
0.0013	40.0	800	0.0243	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9390243902439024, 'recall': 0.9506172839506173, 'f1': 0.9447852760736196, 'number': 81}	{'precision': 0.9803921568627451, 'recall': 0.9615384615384616, 'f1': 0.970873786407767, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9487179487179487, 'recall': 0.9585492227979274, 'f1': 0.9536082474226804, 'number': 193}	0.96	0.9661	0.9630	0.9973
0.0006	50.0	1000	0.0400	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 0.8947368421052632, 'f1': 0.9444444444444444, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.8902439024390244, 'recall': 0.9012345679012346, 'f1': 0.8957055214723927, 'number': 81}	{'precision': 0.9803921568627451, 'recall': 0.9615384615384616, 'f1': 0.970873786407767, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9384615384615385, 'recall': 0.9481865284974094, 'f1': 0.9432989690721649, 'number': 193}	0.9471	0.9492	0.9481	0.9951
0.0003	60.0	1200	0.0323	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.9166666666666666, 'recall': 1.0, 'f1': 0.9565217391304348, 'number': 11}	{'precision': 0.926829268292683, 'recall': 0.9382716049382716, 'f1': 0.9325153374233128, 'number': 81}	{'precision': 0.9423076923076923, 'recall': 0.9423076923076923, 'f1': 0.9423076923076923, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9384615384615385, 'recall': 0.9481865284974094, 'f1': 0.9432989690721649, 'number': 193}	0.9455	0.9555	0.9505	0.9964
0.0005	70.0	1400	0.0287	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.9166666666666666, 'recall': 1.0, 'f1': 0.9565217391304348, 'number': 11}	{'precision': 0.9512195121951219, 'recall': 0.9629629629629629, 'f1': 0.9570552147239264, 'number': 81}	{'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.958974358974359, 'recall': 0.9689119170984456, 'f1': 0.9639175257731959, 'number': 193}	0.9623	0.9725	0.9673	0.9973
0.0004	80.0	1600	0.0417	{'precision': 0.9487179487179487, 'recall': 0.9487179487179487, 'f1': 0.9487179487179487, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 0.9166666666666666, 'recall': 1.0, 'f1': 0.9565217391304348, 'number': 11}	{'precision': 0.9036144578313253, 'recall': 0.9259259259259259, 'f1': 0.9146341463414634, 'number': 81}	{'precision': 0.9607843137254902, 'recall': 0.9423076923076923, 'f1': 0.9514563106796117, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9285714285714286, 'recall': 0.9430051813471503, 'f1': 0.9357326478149101, 'number': 193}	0.9393	0.9513	0.9453	0.9951
0.0001	90.0	1800	0.0362	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9146341463414634, 'recall': 0.9259259259259259, 'f1': 0.9202453987730062, 'number': 81}	{'precision': 0.9803921568627451, 'recall': 0.9615384615384616, 'f1': 0.970873786407767, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9384615384615385, 'recall': 0.9481865284974094, 'f1': 0.9432989690721649, 'number': 193}	0.9516	0.9576	0.9546	0.9964
0.0001	100.0	2000	0.0378	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9146341463414634, 'recall': 0.9259259259259259, 'f1': 0.9202453987730062, 'number': 81}	{'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9336734693877551, 'recall': 0.9481865284974094, 'f1': 0.9408740359897172, 'number': 193}	0.9476	0.9576	0.9526	0.9962
0.0001	110.0	2200	0.0379	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 0.9565217391304348, 'recall': 0.9565217391304348, 'f1': 0.9565217391304348, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9146341463414634, 'recall': 0.9259259259259259, 'f1': 0.9202453987730062, 'number': 81}	{'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9285714285714286, 'recall': 0.9430051813471503, 'f1': 0.9357326478149101, 'number': 193}	0.9434	0.9534	0.9484	0.9959
0.0001	120.0	2400	0.0361	{'precision': 0.9743589743589743, 'recall': 0.9743589743589743, 'f1': 0.9743589743589743, 'number': 39}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 23}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 19}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 11}	{'precision': 0.9146341463414634, 'recall': 0.9259259259259259, 'f1': 0.9202453987730062, 'number': 81}	{'precision': 0.9615384615384616, 'recall': 0.9615384615384616, 'f1': 0.9615384615384616, 'number': 52}	{'precision': 0.9523809523809523, 'recall': 0.9523809523809523, 'f1': 0.9523809523809523, 'number': 21}	{'precision': 0.9545454545454546, 'recall': 1.0, 'f1': 0.9767441860465117, 'number': 21}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 10}	{'precision': 0.9336734693877551, 'recall': 0.9481865284974094, 'f1': 0.9408740359897172, 'number': 193}	0.9476	0.9576	0.9526	0.9962

Framework versions

Transformers 4.40.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

prashantloni/lilt-en-aadhaar-red

lilt-en-aadhaar-red

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

prashantloni/
lilt-en-aadhaar-red