Edit model card

nyt_ingredients-crf-tagger-gte-small-L3-ingredient-v2

This model is a fine-tuned version of napsternxg/gte-small-L3-ingredient-v2 on the nyt_ingredients dataset. It achieves the following results on the evaluation set:

  • Loss: 2.0746
  • Comment: {'precision': 0.7012264508787457, 'recall': 0.7701708096097765, 'f1': 0.7340833884844474, 'number': 7201}
  • Name: {'precision': 0.8148584905660378, 'recall': 0.8195148247978437, 'f1': 0.8171800247271946, 'number': 9275}
  • Qty: {'precision': 0.9843189368770764, 'recall': 0.9881270010672358, 'f1': 0.9862192929898143, 'number': 7496}
  • Range End: {'precision': 0.6535947712418301, 'recall': 0.9259259259259259, 'f1': 0.7662835249042146, 'number': 108}
  • Unit: {'precision': 0.9298190892077355, 'recall': 0.9854545454545455, 'f1': 0.9568287594286632, 'number': 6050}
  • Overall Precision: 0.8496
  • Overall Recall: 0.8834
  • Overall F1: 0.8662
  • Overall Accuracy: 0.8372

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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training Loss Epoch Step Validation Loss Comment Name Qty Range End Unit Overall Precision Overall Recall Overall F1 Overall Accuracy
4.134 0.2 1000 3.7771 {'precision': 0.5343387760189455, 'recall': 0.6254741756638459, 'f1': 0.5763258721516435, 'number': 6854} {'precision': 0.7608440797186401, 'recall': 0.8071226681741097, 'f1': 0.78330041694097, 'number': 8845} {'precision': 0.960741548527808, 'recall': 0.9854586129753915, 'f1': 0.9729431253451132, 'number': 7152} {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 105} {'precision': 0.921378387420542, 'recall': 0.975557917109458, 'f1': 0.9476944253269098, 'number': 5646} 0.7807 0.8385 0.8085 0.7949
3.5226 0.4 2000 3.3655 {'precision': 0.5741313218746136, 'recall': 0.6774146483805077, 'f1': 0.6215112776922562, 'number': 6854} {'precision': 0.7699133967710895, 'recall': 0.8141322781232334, 'f1': 0.7914056489724146, 'number': 8845} {'precision': 0.9728388253136633, 'recall': 0.9865771812080537, 'f1': 0.9796598403332176, 'number': 7152} {'precision': 0.6120689655172413, 'recall': 0.6761904761904762, 'f1': 0.6425339366515838, 'number': 105} {'precision': 0.9102040816326531, 'recall': 0.9874247254693589, 'f1': 0.9472432248746921, 'number': 5646} 0.7935 0.8582 0.8246 0.8064
3.1948 0.59 3000 3.1104 {'precision': 0.6045112781954888, 'recall': 0.7038225853516195, 'f1': 0.6503977349332615, 'number': 6854} {'precision': 0.7898614471079833, 'recall': 0.8120972300734879, 'f1': 0.8008250181169521, 'number': 8845} {'precision': 0.9832167832167832, 'recall': 0.9829418344519015, 'f1': 0.9830792896098447, 'number': 7152} {'precision': 0.6013513513513513, 'recall': 0.8476190476190476, 'f1': 0.7035573122529643, 'number': 105} {'precision': 0.9178104845377874, 'recall': 0.9829968119022316, 'f1': 0.9492858975455399, 'number': 5646} 0.8112 0.8627 0.8362 0.8160
3.0233 0.79 4000 3.0053 {'precision': 0.6183673469387755, 'recall': 0.7073241902538664, 'f1': 0.6598611678236015, 'number': 6854} {'precision': 0.8008859357696567, 'recall': 0.8176370830977954, 'f1': 0.8091748251748251, 'number': 8845} {'precision': 0.982826026249651, 'recall': 0.9842002237136466, 'f1': 0.9835126449629734, 'number': 7152} {'precision': 0.6626506024096386, 'recall': 0.5238095238095238, 'f1': 0.5851063829787234, 'number': 105} {'precision': 0.9206639004149377, 'recall': 0.9824654622741764, 'f1': 0.9505612201182417, 'number': 5646} 0.8202 0.8643 0.8417 0.8174
2.9567 0.99 5000 2.9100 {'precision': 0.633295267098084, 'recall': 0.7281879194630873, 'f1': 0.677434679334917, 'number': 6854} {'precision': 0.8036823425022183, 'recall': 0.8192198982475976, 'f1': 0.8113767426235933, 'number': 8845} {'precision': 0.9803757828810021, 'recall': 0.9848993288590604, 'f1': 0.9826323498639883, 'number': 7152} {'precision': 0.6853932584269663, 'recall': 0.580952380952381, 'f1': 0.6288659793814434, 'number': 105} {'precision': 0.9114089571755476, 'recall': 0.9876018420120439, 'f1': 0.9479768786127167, 'number': 5646} 0.8227 0.8712 0.8462 0.8216
2.738 1.19 6000 2.8514 {'precision': 0.6383489017924766, 'recall': 0.7378173329442661, 'f1': 0.6844883595018949, 'number': 6854} {'precision': 0.8046195045748716, 'recall': 0.8152628603730921, 'f1': 0.809906216656371, 'number': 8845} {'precision': 0.9762201023088621, 'recall': 0.9872762863534675, 'f1': 0.9817170663885992, 'number': 7152} {'precision': 0.6143790849673203, 'recall': 0.8952380952380953, 'f1': 0.7286821705426357, 'number': 105} {'precision': 0.9254855994641661, 'recall': 0.9789231314204747, 'f1': 0.9514546393527284, 'number': 5646} 0.8250 0.8723 0.8480 0.8213
2.8132 1.39 7000 2.7760 {'precision': 0.641124871001032, 'recall': 0.7251240151736212, 'f1': 0.680542242913871, 'number': 6854} {'precision': 0.8001110494169905, 'recall': 0.814584511023177, 'f1': 0.8072829131652661, 'number': 8845} {'precision': 0.9824365765263451, 'recall': 0.9854586129753915, 'f1': 0.9839452743263996, 'number': 7152} {'precision': 0.6291390728476821, 'recall': 0.9047619047619048, 'f1': 0.7421875, 'number': 105} {'precision': 0.9219787516600265, 'recall': 0.983705278072972, 'f1': 0.9518423307626392, 'number': 5646} 0.8261 0.8696 0.8473 0.8223
2.6976 1.58 8000 2.7073 {'precision': 0.6535493827160493, 'recall': 0.7414648380507732, 'f1': 0.6947368421052631, 'number': 6854} {'precision': 0.8127884723629405, 'recall': 0.8162803843979649, 'f1': 0.8145306859205775, 'number': 8845} {'precision': 0.9831147083449623, 'recall': 0.9850391498881432, 'f1': 0.9840759882665177, 'number': 7152} {'precision': 0.6418918918918919, 'recall': 0.9047619047619048, 'f1': 0.75098814229249, 'number': 105} {'precision': 0.926531975288028, 'recall': 0.9828196953595466, 'f1': 0.9538461538461539, 'number': 5646} 0.8341 0.8738 0.8535 0.8262
2.6347 1.78 9000 2.6448 {'precision': 0.6538461538461539, 'recall': 0.7416107382550335, 'f1': 0.6949685534591195, 'number': 6854} {'precision': 0.8118188967531738, 'recall': 0.8169587337478802, 'f1': 0.8143807055111011, 'number': 8845} {'precision': 0.9781375397813754, 'recall': 0.9883948545861297, 'f1': 0.9832394464149107, 'number': 7152} {'precision': 0.6486486486486487, 'recall': 0.9142857142857143, 'f1': 0.7588932806324111, 'number': 105} {'precision': 0.92432072012002, 'recall': 0.9821112291888062, 'f1': 0.9523400601116359, 'number': 5646} 0.8326 0.8747 0.8531 0.8237
2.5847 1.98 10000 2.5910 {'precision': 0.6645452134712277, 'recall': 0.7312518237525533, 'f1': 0.6963045290358433, 'number': 6854} {'precision': 0.8138435565559933, 'recall': 0.8175240248728095, 'f1': 0.8156796390298928, 'number': 8845} {'precision': 0.9793285238623751, 'recall': 0.986996644295302, 'f1': 0.9831476323119777, 'number': 7152} {'precision': 0.6953125, 'recall': 0.8476190476190476, 'f1': 0.7639484978540773, 'number': 105} {'precision': 0.9238443631526438, 'recall': 0.9840595111583422, 'f1': 0.9530017152658663, 'number': 5646} 0.8378 0.8722 0.8547 0.8253
2.4321 2.18 11000 2.5732 {'precision': 0.660557563242127, 'recall': 0.7467172454041435, 'f1': 0.7009998630324613, 'number': 6854} {'precision': 0.8091286307053942, 'recall': 0.8157150932730356, 'f1': 0.8124085125548924, 'number': 8845} {'precision': 0.9825516471245115, 'recall': 0.9842002237136466, 'f1': 0.9833752444816989, 'number': 7152} {'precision': 0.6178343949044586, 'recall': 0.9238095238095239, 'f1': 0.7404580152671757, 'number': 105} {'precision': 0.9210395629862606, 'recall': 0.9854764434998229, 'f1': 0.9521690767519465, 'number': 5646} 0.8337 0.8752 0.8539 0.8255
2.4326 2.38 12000 2.5278 {'precision': 0.6754826765405977, 'recall': 0.7452582433615407, 'f1': 0.7086570477247504, 'number': 6854} {'precision': 0.8159918570459173, 'recall': 0.8157150932730356, 'f1': 0.8158534516876803, 'number': 8845} {'precision': 0.9832635983263598, 'recall': 0.985738255033557, 'f1': 0.9844993715961456, 'number': 7152} {'precision': 0.6739130434782609, 'recall': 0.8857142857142857, 'f1': 0.7654320987654321, 'number': 105} {'precision': 0.9243306169965075, 'recall': 0.9844137442437123, 'f1': 0.9534265374388883, 'number': 5646} 0.8419 0.8749 0.8581 0.8281
2.3705 2.57 13000 2.4819 {'precision': 0.6670131219955827, 'recall': 0.7490516486723081, 'f1': 0.7056559686619477, 'number': 6854} {'precision': 0.8106289942818702, 'recall': 0.8174109666478236, 'f1': 0.8140058545372664, 'number': 8845} {'precision': 0.9827249930342714, 'recall': 0.9862975391498882, 'f1': 0.9845080251221213, 'number': 7152} {'precision': 0.6111111111111112, 'recall': 0.9428571428571428, 'f1': 0.7415730337078652, 'number': 105} {'precision': 0.9191769547325103, 'recall': 0.9890187743535246, 'f1': 0.952819725279413, 'number': 5646} 0.8358 0.8776 0.8562 0.8270
2.364 2.77 14000 2.4206 {'precision': 0.6672713138118683, 'recall': 0.7513860519404727, 'f1': 0.7068350260774088, 'number': 6854} {'precision': 0.8101706331387517, 'recall': 0.8159412097230073, 'f1': 0.8130456824198727, 'number': 8845} {'precision': 0.9823292055099485, 'recall': 0.9871364653243848, 'f1': 0.9847269684078387, 'number': 7152} {'precision': 0.6643835616438356, 'recall': 0.9238095238095239, 'f1': 0.7729083665338645, 'number': 105} {'precision': 0.9248795080604952, 'recall': 0.9856535600425079, 'f1': 0.9542999228328902, 'number': 5646} 0.8370 0.8772 0.8566 0.8285
2.3349 2.97 15000 2.3904 {'precision': 0.6696704428424305, 'recall': 0.7589728625620076, 'f1': 0.7115305703734099, 'number': 6854} {'precision': 0.8133933595948227, 'recall': 0.8170717919728661, 'f1': 0.8152284263959392, 'number': 8845} {'precision': 0.9831593597773138, 'recall': 0.9876957494407159, 'f1': 0.9854223338215806, 'number': 7152} {'precision': 0.60625, 'recall': 0.9238095238095239, 'f1': 0.7320754716981133, 'number': 105} {'precision': 0.9244938599402589, 'recall': 0.9867162592986185, 'f1': 0.954592186429061, 'number': 5646} 0.8380 0.8797 0.8584 0.8285
2.253 3.17 16000 2.3771 {'precision': 0.669751896130608, 'recall': 0.7601400641960899, 'f1': 0.7120891136472357, 'number': 6854} {'precision': 0.8152112676056338, 'recall': 0.817976257772753, 'f1': 0.8165914221218961, 'number': 8845} {'precision': 0.9830130882762461, 'recall': 0.9871364653243848, 'f1': 0.9850704618389843, 'number': 7152} {'precision': 0.64, 'recall': 0.9142857142857143, 'f1': 0.7529411764705883, 'number': 105} {'precision': 0.924098986879256, 'recall': 0.9854764434998229, 'f1': 0.9538013199622868, 'number': 5646} 0.8386 0.8798 0.8587 0.8302
2.2137 3.37 17000 2.3782 {'precision': 0.6819264355649642, 'recall': 0.7519696527575138, 'f1': 0.7152373022481265, 'number': 6854} {'precision': 0.8160893602617624, 'recall': 0.8177501413227812, 'f1': 0.816918906708832, 'number': 8845} {'precision': 0.9831523252575884, 'recall': 0.9872762863534675, 'f1': 0.9852099902330124, 'number': 7152} {'precision': 0.6530612244897959, 'recall': 0.9142857142857143, 'f1': 0.7619047619047618, 'number': 105} {'precision': 0.924126455906822, 'recall': 0.983705278072972, 'f1': 0.9529855868222373, 'number': 5646} 0.8433 0.8775 0.8601 0.8285
2.2065 3.56 18000 2.3393 {'precision': 0.6767768810205675, 'recall': 0.7585351619492268, 'f1': 0.715327462850853, 'number': 6854} {'precision': 0.8098028169014084, 'recall': 0.8125494629734313, 'f1': 0.8111738148984199, 'number': 8845} {'precision': 0.9834238751915308, 'recall': 0.9871364653243848, 'f1': 0.9852766729467587, 'number': 7152} {'precision': 0.6339869281045751, 'recall': 0.9238095238095239, 'f1': 0.751937984496124, 'number': 105} {'precision': 0.9250207813798836, 'recall': 0.9854764434998229, 'f1': 0.9542920847268673, 'number': 5646} 0.8396 0.8778 0.8583 0.8292
2.1758 3.76 19000 2.3063 {'precision': 0.6791402304803833, 'recall': 0.7652465713451999, 'f1': 0.7196268093572066, 'number': 6854} {'precision': 0.8155394707079846, 'recall': 0.8152628603730921, 'f1': 0.8154011420817548, 'number': 8845} {'precision': 0.9828762355561743, 'recall': 0.9871364653243848, 'f1': 0.9850017439832579, 'number': 7152} {'precision': 0.6510067114093959, 'recall': 0.9238095238095239, 'f1': 0.7637795275590552, 'number': 105} {'precision': 0.9250457038391224, 'recall': 0.9858306765851931, 'f1': 0.9544714052988081, 'number': 5646} 0.8417 0.8803 0.8606 0.8277
2.1417 3.96 20000 2.2882 {'precision': 0.6788990825688074, 'recall': 0.7557630580682813, 'f1': 0.7152720243026789, 'number': 6854} {'precision': 0.8162664250113276, 'recall': 0.8146975692481628, 'f1': 0.815481242573417, 'number': 8845} {'precision': 0.9828905271943247, 'recall': 0.9879753914988815, 'f1': 0.9854263998326477, 'number': 7152} {'precision': 0.6764705882352942, 'recall': 0.8761904761904762, 'f1': 0.7634854771784232, 'number': 105} {'precision': 0.9258888332498748, 'recall': 0.9824654622741764, 'f1': 0.9533384893013664, 'number': 5646} 0.8427 0.8772 0.8596 0.8285
2.0271 4.16 21000 2.3500 {'precision': 0.6681376875551632, 'recall': 0.7731251823752553, 'f1': 0.7168075752451809, 'number': 6854} {'precision': 0.815427927927928, 'recall': 0.8186546071226681, 'f1': 0.8170380818053596, 'number': 8845} {'precision': 0.9826364772885123, 'recall': 0.9890939597315436, 'f1': 0.9858546442756603, 'number': 7152} {'precision': 0.6838235294117647, 'recall': 0.8857142857142857, 'f1': 0.7717842323651452, 'number': 105} {'precision': 0.922211188348229, 'recall': 0.9868933758413035, 'f1': 0.9534565366187543, 'number': 5646} 0.8374 0.8838 0.8600 0.8299
2.0488 4.36 22000 2.2780 {'precision': 0.6802249542244311, 'recall': 0.7588269623577473, 'f1': 0.7173793103448276, 'number': 6854} {'precision': 0.8116153673331835, 'recall': 0.8168456755228943, 'f1': 0.814222122048797, 'number': 8845} {'precision': 0.9827562230565985, 'recall': 0.9881152125279642, 'f1': 0.9854284319877291, 'number': 7152} {'precision': 0.6533333333333333, 'recall': 0.9333333333333333, 'f1': 0.7686274509803921, 'number': 105} {'precision': 0.9221338634857521, 'recall': 0.9858306765851931, 'f1': 0.9529190207156308, 'number': 5646} 0.8407 0.8796 0.8597 0.8274
2.0403 4.55 23000 2.2557 {'precision': 0.6836534692277538, 'recall': 0.7633498686898161, 'f1': 0.7213069552629764, 'number': 6854} {'precision': 0.8174522436984288, 'recall': 0.8176370830977954, 'f1': 0.8175446529504862, 'number': 8845} {'precision': 0.9833078314090973, 'recall': 0.9883948545861297, 'f1': 0.9858447806986962, 'number': 7152} {'precision': 0.6906474820143885, 'recall': 0.9142857142857143, 'f1': 0.7868852459016393, 'number': 105} {'precision': 0.9234465617232809, 'recall': 0.9870704923839887, 'f1': 0.9541991267870901, 'number': 5646} 0.8439 0.8811 0.8621 0.8292
2.0443 4.75 24000 2.2284 {'precision': 0.6855197695731867, 'recall': 0.7639334695068573, 'f1': 0.7226055754899255, 'number': 6854} {'precision': 0.8167628096369189, 'recall': 0.8163934426229508, 'f1': 0.8165780843605112, 'number': 8845} {'precision': 0.9827490261547023, 'recall': 0.9876957494407159, 'f1': 0.9852161785216179, 'number': 7152} {'precision': 0.6830985915492958, 'recall': 0.9238095238095239, 'f1': 0.7854251012145749, 'number': 105} {'precision': 0.9236641221374046, 'recall': 0.9858306765851931, 'f1': 0.9537354352296092, 'number': 5646} 0.8441 0.8805 0.8619 0.8291
2.0214 4.95 25000 2.2037 {'precision': 0.6887829426566018, 'recall': 0.7588269623577473, 'f1': 0.7221103783408538, 'number': 6854} {'precision': 0.8133890268683676, 'recall': 0.814584511023177, 'f1': 0.8139863300005649, 'number': 8845} {'precision': 0.9837319243604005, 'recall': 0.9892337807606264, 'f1': 0.9864751812604574, 'number': 7152} {'precision': 0.7288135593220338, 'recall': 0.819047619047619, 'f1': 0.7713004484304932, 'number': 105} {'precision': 0.9258766827322586, 'recall': 0.9867162592986185, 'f1': 0.9553288176283975, 'number': 5646} 0.8454 0.8789 0.8618 0.8304
2.0081 5.15 26000 2.2014 {'precision': 0.6996417745935519, 'recall': 0.7408812372337321, 'f1': 0.719671201814059, 'number': 6854} {'precision': 0.8101595203077271, 'recall': 0.8096099491237988, 'f1': 0.8098846414838272, 'number': 8845} {'precision': 0.9831851028349082, 'recall': 0.9892337807606264, 'f1': 0.9862001672706997, 'number': 7152} {'precision': 0.6928571428571428, 'recall': 0.9238095238095239, 'f1': 0.7918367346938776, 'number': 105} {'precision': 0.927212020033389, 'recall': 0.983705278072972, 'f1': 0.9546235819869371, 'number': 5646} 0.8485 0.8728 0.8605 0.8273
1.9138 5.35 27000 2.1839 {'precision': 0.6819591625743086, 'recall': 0.7699153778815291, 'f1': 0.7232730263157895, 'number': 6854} {'precision': 0.8163679404802164, 'recall': 0.818767665347654, 'f1': 0.8175660419959357, 'number': 8845} {'precision': 0.9829142936518961, 'recall': 0.9893736017897091, 'f1': 0.9861333704968295, 'number': 7152} {'precision': 0.6893939393939394, 'recall': 0.8666666666666667, 'f1': 0.7679324894514767, 'number': 105} {'precision': 0.9279731993299832, 'recall': 0.9812256464753808, 'f1': 0.9538567493112948, 'number': 5646} 0.8434 0.8820 0.8623 0.8323
1.9304 5.54 28000 2.1557 {'precision': 0.6910645118204889, 'recall': 0.7548876568427196, 'f1': 0.7215675336447948, 'number': 6854} {'precision': 0.8137610519156654, 'recall': 0.8116449971735443, 'f1': 0.8127016471387332, 'number': 8845} {'precision': 0.9831710709318497, 'recall': 0.9883948545861297, 'f1': 0.9857760423929716, 'number': 7152} {'precision': 0.6689655172413793, 'recall': 0.9238095238095239, 'f1': 0.776, 'number': 105} {'precision': 0.9272696873432537, 'recall': 0.9822883457314914, 'f1': 0.9539864109400533, 'number': 5646} 0.8461 0.8763 0.8609 0.8287
1.9369 5.74 29000 2.1522 {'precision': 0.6931558424095737, 'recall': 0.7521155529617741, 'f1': 0.7214330697641872, 'number': 6854} {'precision': 0.8135497049477984, 'recall': 0.8105144149236857, 'f1': 0.8120292235374073, 'number': 8845} {'precision': 0.9830508474576272, 'recall': 0.9893736017897091, 'f1': 0.9862020905923344, 'number': 7152} {'precision': 0.7295081967213115, 'recall': 0.8476190476190476, 'f1': 0.7841409691629957, 'number': 105} {'precision': 0.923140770252324, 'recall': 0.9849450938717677, 'f1': 0.9530419880034275, 'number': 5646} 0.8465 0.8758 0.8609 0.8287
1.8944 5.94 30000 2.1284 {'precision': 0.6882569773565034, 'recall': 0.762766267872775, 'f1': 0.723598615916955, 'number': 6854} {'precision': 0.8153168417485598, 'recall': 0.8160542679479932, 'f1': 0.8156853881794554, 'number': 8845} {'precision': 0.9816946331992789, 'recall': 0.9897930648769575, 'f1': 0.9857272157627236, 'number': 7152} {'precision': 0.7073170731707317, 'recall': 0.8285714285714286, 'f1': 0.7631578947368421, 'number': 105} {'precision': 0.9254028908456554, 'recall': 0.9865391427559334, 'f1': 0.9549935705100728, 'number': 5646} 0.8450 0.8804 0.8623 0.8317
1.8311 6.14 31000 2.1711 {'precision': 0.6781623822855688, 'recall': 0.7775021885030639, 'f1': 0.7244426318651441, 'number': 6854} {'precision': 0.8175774647887324, 'recall': 0.8203504804974562, 'f1': 0.818961625282167, 'number': 8845} {'precision': 0.9826292384658143, 'recall': 0.9886744966442953, 'f1': 0.9856425982715361, 'number': 7152} {'precision': 0.71875, 'recall': 0.8761904761904762, 'f1': 0.7896995708154506, 'number': 105} {'precision': 0.9265734265734266, 'recall': 0.9856535600425079, 'f1': 0.9552008238928938, 'number': 5646} 0.8420 0.8850 0.8630 0.8315
1.879 6.34 32000 2.1473 {'precision': 0.6905675353882789, 'recall': 0.7615990662386928, 'f1': 0.7243460764587525, 'number': 6854} {'precision': 0.8152087812606088, 'recall': 0.8144714527981911, 'f1': 0.8148399502318742, 'number': 8845} {'precision': 0.9807692307692307, 'recall': 0.9911912751677853, 'f1': 0.985952712100139, 'number': 7152} {'precision': 0.7022900763358778, 'recall': 0.8761904761904762, 'f1': 0.7796610169491526, 'number': 105} {'precision': 0.9232935719019219, 'recall': 0.9870704923839887, 'f1': 0.9541174456428694, 'number': 5646} 0.8452 0.8803 0.8624 0.8306
1.8279 6.53 33000 2.1636 {'precision': 0.6845568313765966, 'recall': 0.7741464838050773, 'f1': 0.7266004792879152, 'number': 6854} {'precision': 0.8150022492127755, 'recall': 0.8193329564725834, 'f1': 0.8171618650279078, 'number': 8845} {'precision': 0.9826340650180606, 'recall': 0.9889541387024608, 'f1': 0.9857839721254356, 'number': 7152} {'precision': 0.7258064516129032, 'recall': 0.8571428571428571, 'f1': 0.7860262008733625, 'number': 105} {'precision': 0.9263262930317645, 'recall': 0.9865391427559334, 'f1': 0.9554850330216998, 'number': 5646} 0.8435 0.8841 0.8633 0.8314
1.8613 6.73 34000 2.1192 {'precision': 0.6884180423761861, 'recall': 0.7726874817624745, 'f1': 0.7281226369698219, 'number': 6854} {'precision': 0.8161166365280289, 'recall': 0.8163934426229508, 'f1': 0.8162550161080653, 'number': 8845} {'precision': 0.9811529933481153, 'recall': 0.9899328859060402, 'f1': 0.9855233853006681, 'number': 7152} {'precision': 0.6666666666666666, 'recall': 0.9333333333333333, 'f1': 0.7777777777777778, 'number': 105} {'precision': 0.9258397073495178, 'recall': 0.9861849096705633, 'f1': 0.9550600343053174, 'number': 5646} 0.8444 0.8833 0.8634 0.8334
1.8604 6.93 35000 2.1070 {'precision': 0.68467659137577, 'recall': 0.7783775897286256, 'f1': 0.7285265601529427, 'number': 6854} {'precision': 0.8169934640522876, 'recall': 0.819672131147541, 'f1': 0.8183306055646481, 'number': 8845} {'precision': 0.9827945053420286, 'recall': 0.9903523489932886, 'f1': 0.9865589525732991, 'number': 7152} {'precision': 0.6884057971014492, 'recall': 0.9047619047619048, 'f1': 0.7818930041152263, 'number': 105} {'precision': 0.9267643142476698, 'recall': 0.9861849096705633, 'f1': 0.9555517418911963, 'number': 5646} 0.8438 0.8856 0.8642 0.8343
1.8026 7.13 36000 2.1282 {'precision': 0.695146409947854, 'recall': 0.7585351619492268, 'f1': 0.7254587315984092, 'number': 6854} {'precision': 0.8139561185252205, 'recall': 0.81368004522329, 'f1': 0.8138180584610165, 'number': 8845} {'precision': 0.9833194328607172, 'recall': 0.9890939597315436, 'f1': 0.9861982434127978, 'number': 7152} {'precision': 0.6976744186046512, 'recall': 0.8571428571428571, 'f1': 0.7692307692307693, 'number': 105} {'precision': 0.926808936312104, 'recall': 0.9845908607863975, 'f1': 0.9548265200961868, 'number': 5646} 0.8474 0.8782 0.8625 0.8295
1.774 7.33 37000 2.1375 {'precision': 0.6926958831341301, 'recall': 0.7610154654216515, 'f1': 0.7252502780867629, 'number': 6854} {'precision': 0.8117753011370032, 'recall': 0.8152628603730921, 'f1': 0.8135153429602889, 'number': 8845} {'precision': 0.9819669857123041, 'recall': 0.9897930648769575, 'f1': 0.9858644941160087, 'number': 7152} {'precision': 0.7209302325581395, 'recall': 0.8857142857142857, 'f1': 0.7948717948717948, 'number': 105} {'precision': 0.9258209701616936, 'recall': 0.983705278072972, 'f1': 0.953885787891799, 'number': 5646} 0.8455 0.8794 0.8621 0.8300
1.8132 7.52 38000 2.1094 {'precision': 0.6921750663129973, 'recall': 0.7614531660344325, 'f1': 0.7251632624704737, 'number': 6854} {'precision': 0.8149196287072674, 'recall': 0.8139061616732617, 'f1': 0.8144125798970531, 'number': 8845} {'precision': 0.9827825603998889, 'recall': 0.9896532438478747, 'f1': 0.9862059356276995, 'number': 7152} {'precision': 0.7058823529411765, 'recall': 0.9142857142857143, 'f1': 0.7966804979253113, 'number': 105} {'precision': 0.9252615844544095, 'recall': 0.9867162592986185, 'f1': 0.9550012856775519, 'number': 5646} 0.8463 0.8798 0.8627 0.8299
1.805 7.72 39000 2.1104 {'precision': 0.6876955161626694, 'recall': 0.7697694776772688, 'f1': 0.7264215888751205, 'number': 6854} {'precision': 0.8163380920009065, 'recall': 0.814584511023177, 'f1': 0.815460358779922, 'number': 8845} {'precision': 0.9823831321958663, 'recall': 0.9902125279642058, 'f1': 0.9862822923194763, 'number': 7152} {'precision': 0.7165354330708661, 'recall': 0.8666666666666667, 'f1': 0.7844827586206896, 'number': 105} {'precision': 0.9255442911750041, 'recall': 0.9863620262132483, 'f1': 0.9549858526965618, 'number': 5646} 0.8450 0.8819 0.8630 0.8331
1.7337 7.92 40000 2.1034 {'precision': 0.6904604829133131, 'recall': 0.7634957688940764, 'f1': 0.7251437677544517, 'number': 6854} {'precision': 0.8152542372881356, 'recall': 0.8157150932730356, 'f1': 0.8154846001695395, 'number': 8845} {'precision': 0.9833333333333333, 'recall': 0.9899328859060402, 'f1': 0.9866220735785953, 'number': 7152} {'precision': 0.7, 'recall': 0.9333333333333333, 'f1': 0.8, 'number': 105} {'precision': 0.9253284550141361, 'recall': 0.9854764434998229, 'f1': 0.9544557852302942, 'number': 5646} 0.8458 0.8807 0.8629 0.8306
1.7771 8.12 41000 2.1074 {'precision': 0.6949152542372882, 'recall': 0.759702363583309, 'f1': 0.7258660347110893, 'number': 6854} {'precision': 0.8133830677065672, 'recall': 0.8135669869983041, 'f1': 0.8134750169568167, 'number': 8845} {'precision': 0.9833240689271817, 'recall': 0.9893736017897091, 'f1': 0.9863395595204906, 'number': 7152} {'precision': 0.7244094488188977, 'recall': 0.8761904761904762, 'f1': 0.7931034482758621, 'number': 105} {'precision': 0.9278677575555184, 'recall': 0.9842366277010273, 'f1': 0.9552213149978513, 'number': 5646} 0.8474 0.8785 0.8627 0.8286
1.7179 8.32 42000 2.1069 {'precision': 0.6874355005159959, 'recall': 0.7775021885030639, 'f1': 0.7297001232370259, 'number': 6854} {'precision': 0.8154802259887005, 'recall': 0.8159412097230073, 'f1': 0.8157106527267589, 'number': 8845} {'precision': 0.982923781757601, 'recall': 0.9899328859060402, 'f1': 0.9864158829676071, 'number': 7152} {'precision': 0.6971830985915493, 'recall': 0.9428571428571428, 'f1': 0.8016194331983806, 'number': 105} {'precision': 0.9244437064098306, 'recall': 0.9860077931278781, 'f1': 0.954233801851217, 'number': 5646} 0.8439 0.8843 0.8636 0.8319
1.7005 8.51 43000 2.1151 {'precision': 0.694326052210975, 'recall': 0.7605777648088707, 'f1': 0.7259434619133825, 'number': 6854} {'precision': 0.8143164084586678, 'recall': 0.8141322781232334, 'f1': 0.8142243328810492, 'number': 8845} {'precision': 0.9827873403664631, 'recall': 0.9899328859060402, 'f1': 0.9863471719141822, 'number': 7152} {'precision': 0.7317073170731707, 'recall': 0.8571428571428571, 'f1': 0.7894736842105263, 'number': 105} {'precision': 0.9230514096185738, 'recall': 0.9858306765851931, 'f1': 0.9534087016101404, 'number': 5646} 0.8466 0.8793 0.8626 0.8293
1.7078 8.71 44000 2.1110 {'precision': 0.6905515967273687, 'recall': 0.7634957688940764, 'f1': 0.7251940133037693, 'number': 6854} {'precision': 0.8151706986208456, 'recall': 0.8152628603730921, 'f1': 0.8152167768922051, 'number': 8845} {'precision': 0.9834653327775462, 'recall': 0.9896532438478747, 'f1': 0.9865495853369572, 'number': 7152} {'precision': 0.706766917293233, 'recall': 0.8952380952380953, 'f1': 0.7899159663865547, 'number': 105} {'precision': 0.9254152823920265, 'recall': 0.9867162592986185, 'f1': 0.9550831476084348, 'number': 5646} 0.8459 0.8806 0.8629 0.8313
1.7494 8.91 45000 2.1095 {'precision': 0.6886890800104248, 'recall': 0.7710825795156113, 'f1': 0.7275605726872247, 'number': 6854} {'precision': 0.8156557099288377, 'recall': 0.8163934426229508, 'f1': 0.8160244095378009, 'number': 8845} {'precision': 0.9830626128002221, 'recall': 0.9900727069351231, 'f1': 0.9865552072448623, 'number': 7152} {'precision': 0.706766917293233, 'recall': 0.8952380952380953, 'f1': 0.7899159663865547, 'number': 105} {'precision': 0.924506387921022, 'recall': 0.9868933758413035, 'f1': 0.9546817441960078, 'number': 5646} 0.8449 0.8829 0.8635 0.8319
1.6805 9.11 46000 2.1132 {'precision': 0.6890920966688439, 'recall': 0.7696235774730085, 'f1': 0.727134881797505, 'number': 6854} {'precision': 0.8149027589326097, 'recall': 0.8148106274731487, 'f1': 0.8148566905986773, 'number': 8845} {'precision': 0.9830673143650243, 'recall': 0.9903523489932886, 'f1': 0.9866963850386571, 'number': 7152} {'precision': 0.697841726618705, 'recall': 0.9238095238095239, 'f1': 0.7950819672131149, 'number': 105} {'precision': 0.9251745926172265, 'recall': 0.9854764434998229, 'f1': 0.9543739279588336, 'number': 5646} 0.8449 0.8820 0.8630 0.8327
1.6867 9.31 47000 2.1126 {'precision': 0.6902941557600104, 'recall': 0.7772103880945433, 'f1': 0.7311783679912154, 'number': 6854} {'precision': 0.8172370947701344, 'recall': 0.817976257772753, 'f1': 0.8176065092100803, 'number': 8845} {'precision': 0.9831967782252465, 'recall': 0.9899328859060402, 'f1': 0.9865533337978123, 'number': 7152} {'precision': 0.7121212121212122, 'recall': 0.8952380952380953, 'f1': 0.7932489451476793, 'number': 105} {'precision': 0.925058158856763, 'recall': 0.9860077931278781, 'f1': 0.9545610425240054, 'number': 5646} 0.8457 0.8847 0.8647 0.8326
1.7212 9.5 48000 2.1058 {'precision': 0.6885822158573103, 'recall': 0.7716661803326524, 'f1': 0.7277605779153767, 'number': 6854} {'precision': 0.8145762711864407, 'recall': 0.8150367439231204, 'f1': 0.8148064424978807, 'number': 8845} {'precision': 0.98319211001528, 'recall': 0.9896532438478747, 'f1': 0.9864120967179988, 'number': 7152} {'precision': 0.6956521739130435, 'recall': 0.9142857142857143, 'f1': 0.7901234567901234, 'number': 105} {'precision': 0.9243404678944749, 'recall': 0.9867162592986185, 'f1': 0.9545104086353122, 'number': 5646} 0.8444 0.8826 0.8631 0.8319
1.6952 9.7 49000 2.1104 {'precision': 0.6893522161028062, 'recall': 0.7669973737963233, 'f1': 0.7261049723756906, 'number': 6854} {'precision': 0.8150282485875706, 'recall': 0.8154889768230639, 'f1': 0.81525854761232, 'number': 8845} {'precision': 0.9829308909242298, 'recall': 0.9903523489932886, 'f1': 0.9866276640200585, 'number': 7152} {'precision': 0.7037037037037037, 'recall': 0.9047619047619048, 'f1': 0.7916666666666667, 'number': 105} {'precision': 0.9249044691809271, 'recall': 0.9860077931278781, 'f1': 0.9544792113159023, 'number': 5646} 0.8451 0.8816 0.8630 0.8311
1.7128 9.9 50000 2.1040 {'precision': 0.6902458158995816, 'recall': 0.7702071782900496, 'f1': 0.7280375120673009, 'number': 6854} {'precision': 0.8152542372881356, 'recall': 0.8157150932730356, 'f1': 0.8154846001695395, 'number': 8845} {'precision': 0.9829308909242298, 'recall': 0.9903523489932886, 'f1': 0.9866276640200585, 'number': 7152} {'precision': 0.6934306569343066, 'recall': 0.9047619047619048, 'f1': 0.7851239669421487, 'number': 105} {'precision': 0.9253532834580216, 'recall': 0.9858306765851931, 'f1': 0.9546351084812623, 'number': 5646} 0.8453 0.8824 0.8635 0.8311

Framework versions

  • Transformers 4.34.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.14.1
Downloads last month
4
Inference API
Unable to determine this model’s pipeline type. Check the docs .

Model tree for napsternxg/nyt_ingredients-crf-tagger-gte-small-L3-ingredient-v2

Finetuned
(3)
this model

Dataset used to train napsternxg/nyt_ingredients-crf-tagger-gte-small-L3-ingredient-v2