Lmv2 G Aadhaar 236doc 06 14

🚀 lmv2 - g - aadhaar - 236doc - 06 - 14

該模型是 microsoft/layoutlmv2-base-uncased 在 None 數據集上的微調版本。它在評估集上取得了以下成果，展示了出色的性能表現，能夠較為精準地處理相關任務。

🚀 快速開始

本部分暫未提供相關內容，後續可根據實際使用場景補充如何快速使用該模型的步驟，例如加載模型、進行推理等操作的代碼示例和說明。

✨ 主要特性

此模型在多個關鍵指標上表現優異，如在 Aadhaar、Dob、Gender、Name 等信息的識別上，具有較高的精確率、召回率和 F1 值，整體準確率達到了 0.9939，能夠較為精準地完成相關信息的識別任務。

📚 詳細文檔

模型評估結果

該模型在評估集上的具體表現如下：

• 損失值（Loss）：0.0427
• Aadhaar 精確率（Precision）：0.9783
• Aadhaar 召回率（Recall）：1.0
• Aadhaar F1 值：0.9890
• Aadhaar 數量：45
• Dob 精確率：0.9787
• Dob 召回率：1.0
• Dob F1 值：0.9892
• Dob 數量：46
• Gender 精確率：1.0
• Gender 召回率：0.9787
• Gender F1 值：0.9892
• Gender 數量：47
• Name 精確率：0.9574
• Name 召回率：0.9375
• Name F1 值：0.9474
• Name 數量：48
• 整體精確率（Overall Precision）：0.9785
• 整體召回率（Overall Recall）：0.9785
• 整體 F1 值（Overall F1）：0.9785
• 整體準確率（Overall Accuracy）：0.9939

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：4e - 05
• 訓練批次大小（train_batch_size）：1
• 評估批次大小（eval_batch_size）：1
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam，其中 betas = (0.9, 0.999)，epsilon = 1e - 08
• 學習率調度器類型（lr_scheduler_type）：常量
• 訓練輪數（num_epochs）：30

訓練結果

框架版本

• Transformers 4.20.0.dev0
• Pytorch 1.11.0 + cu113
• Datasets 2.2.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 CC - BY - NC - SA 4.0 許可證。