text_summarization-finetuned_cnn_dailymail

This model is a fine-tuned version of Falconsai/text_summarization on the cnn_dailymail dataset. It achieves the following results on the evaluation set:

• Loss: 2.0045
• Rouge1: 0.2361
• Rouge2: 0.11
• Rougel: 0.192
• Rougelsum: 0.2212

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: 2e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• gradient_accumulation_steps: 4
• total_train_batch_size: 32
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum
10.8721	0.99	62	8.1409	0.2058	0.0891	0.1673	0.1924
6.0137	2.0	125	4.2590	0.1997	0.082	0.1581	0.188
3.7261	2.99	187	3.0481	0.2196	0.0942	0.178	0.2066
3.3164	4.0	250	2.9085	0.2281	0.103	0.1852	0.2148
3.1784	4.99	312	2.7974	0.2282	0.1057	0.1869	0.2155
3.0345	6.0	375	2.6655	0.2318	0.1084	0.189	0.2177
2.8946	6.99	437	2.5411	0.2332	0.1095	0.1906	0.2193
2.7696	8.0	500	2.4400	0.2333	0.111	0.1916	0.22
2.684	8.99	562	2.3651	0.2342	0.11	0.1924	0.2204
2.6073	10.0	625	2.3010	0.2344	0.111	0.1922	0.2205
2.5517	10.99	687	2.2522	0.2346	0.1108	0.1925	0.2207
2.4845	12.0	750	2.2108	0.2327	0.1098	0.1916	0.2186
2.4484	12.99	812	2.1788	0.2329	0.1098	0.1922	0.2187
2.4194	14.0	875	2.1517	0.2336	0.1087	0.1919	0.2188
2.3908	14.99	937	2.1290	0.2343	0.109	0.1918	0.2195
2.3657	16.0	1000	2.1060	0.2324	0.107	0.1895	0.2175
2.3215	16.99	1062	2.0887	0.232	0.1066	0.1895	0.2171
2.3236	18.0	1125	2.0746	0.2328	0.1075	0.1899	0.2181
2.3018	18.99	1187	2.0612	0.2337	0.1067	0.1898	0.2183
2.2788	20.0	1250	2.0500	0.2337	0.1071	0.1901	0.2187
2.2502	20.99	1312	2.0406	0.2338	0.1072	0.1897	0.2187
2.2652	22.0	1375	2.0317	0.2339	0.1072	0.1898	0.2188
2.2508	22.99	1437	2.0253	0.2332	0.1069	0.1891	0.2181
2.2233	24.0	1500	2.0192	0.235	0.1087	0.1908	0.2202
2.2225	24.99	1562	2.0144	0.2352	0.1095	0.1912	0.2202
2.2248	26.0	1625	2.0107	0.2353	0.1094	0.1915	0.2204
2.235	26.99	1687	2.0075	0.235	0.1092	0.1915	0.2201
2.1964	28.0	1750	2.0056	0.2359	0.1096	0.1917	0.2209
2.1996	28.99	1812	2.0047	0.2361	0.11	0.192	0.2212
2.2228	29.76	1860	2.0045	0.2361	0.11	0.192	0.2212

Framework versions

• Transformers 4.38.0.dev0
• Pytorch 2.2.0
• Datasets 2.16.1
• Tokenizers 0.15.1