Lmv2 G Aadhaar 236doc 06 14

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

该模型是 microsoft/layoutlmv2-base-uncased 在 None 数据集上的微调版本。它在评估集上取得了以下成果，展示了出色的性能表现，能够较为精准地处理相关任务。

🚀 快速开始

本部分暂未提供相关内容，后续可根据实际使用场景补充如何快速使用该模型的步骤，例如加载模型、进行推理等操作的代码示例和说明。

✨ 主要特性

此模型在多个关键指标上表现优异，如在 Aadhaar、Dob、Gender、Name 等信息的识别上，具有较高的精确率、召回率和 F1 值，整体准确率达到了 0.9939，能够较为精准地完成相关信息的识别任务。

📚 详细文档

模型评估结果

该模型在评估集上的具体表现如下：

• 损失值（Loss）：0.0427
• Aadhaar 精确率（Precision）：0.9783
• Aadhaar 召回率（Recall）：1.0
• Aadhaar F1 值：0.9890
• Aadhaar 数量：45
• Dob 精确率：0.9787
• Dob 召回率：1.0
• Dob F1 值：0.9892
• Dob 数量：46
• Gender 精确率：1.0
• Gender 召回率：0.9787
• Gender F1 值：0.9892
• Gender 数量：47
• Name 精确率：0.9574
• Name 召回率：0.9375
• Name F1 值：0.9474
• Name 数量：48
• 整体精确率（Overall Precision）：0.9785
• 整体召回率（Overall Recall）：0.9785
• 整体 F1 值（Overall F1）：0.9785
• 整体准确率（Overall Accuracy）：0.9939

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：4e - 05
• 训练批次大小（train_batch_size）：1
• 评估批次大小（eval_batch_size）：1
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中 betas = (0.9, 0.999)，epsilon = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：常量
• 训练轮数（num_epochs）：30

训练结果

框架版本

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

📄 许可证

本模型采用 CC - BY - NC - SA 4.0 许可证。