Upload README.md with huggingface_hub

README.md

@@ -20,13 +20,44 @@ base_model: unsloth/gemma-2b-it-bnb-4bit
 
 # Training Logs
 
-## Summary metrics
-### Best ROUGE-1 score : **0.9981203007518796**
-### Best ROUGE-2 score : **0.9981167608286252**
-### Best ROUGE-L score : **0.9981203007518796**
+## Traning metrics
+![Evaluation Loss Plot](eval_loss_plot.png)
+
+## Evaluation score
+### Évaluation du rapport généré par le modèle unsloth/gemma-2b-it-bnb-4bit :
+
+1. **Performance de la structuration du rapport : 6/10**
+   - Le rapport est bien structuré en chapitres distincts, mais certains points pourraient être mieux développés et organisés.
+
+2. **Qualité du langage : 7/10**
+   - Le langage utilisé est formel et professionnel, mais il manque parfois de fluidité et de clarté dans l'expression des idées.
+
+3. **Cohérence : 6/10**
+   - La cohérence entre les différents chapitres est présente, mais il y a des transitions abruptes et des lacunes dans certaines explications.
+
+### Évaluation du rapport généré par le modèle gemma-Summarizer-2b-it-bnb-4bit :
+
+1. **Performance de la structuration du rapport : 8/10**
+   - Le rapport est bien structuré en sections claires et précises, facilitant la lecture et la compréhension.
+
+2. **Qualité du langage : 8/10**
+   - Le langage utilisé est riche et varié, offrant une lecture agréable et captivante pour le lecteur.
+
+3. **Cohérence : 7/10**
+   - La cohérence entre les différentes parties du rapport est bonne, mais certaines transitions pourraient être améliorées pour une meilleure fluidité.
+
+### Score global :
+
+- Modèle unsloth/gemma-2b-it-bnb-4bit : 6.3/10
+- Modèle gemma-Summarizer-2b-it-bnb-4bit : 7.7/10
+
+### Conclusion :
+
+Le modèle gemma-Summarizer-2b-it-bnb-4bit obtient un score global plus élevé que le modèle unsloth/gemma-2b-it-bnb-4bit en raison de sa meilleure structuration, de la qualité supérieure du langage utilisé et d'une cohérence globale plus solide. Le rapport généré par le modèle gemma-Summarizer-2b-it-bnb-4bit est plus complet, captivant et bien organisé, ce qui en fait un choix préférable pour la génération de rapports détaillés et professionnels.
+[Evaluation report and scoring](evaluation/run-unsloth/gemma-2b-it-bnb-4bit-7449/Model_evaluator-gemma-Summarizer-2b-it-bnb-4bit.md)
 
 ## Wandb logs
-You can view the training logs [<img src="https://raw.githubusercontent.com/wandb/wandb/main/docs/README_images/logo-light.svg" width="200"/>](https://wandb.ai/william-derue/LLM-summarizer_trainer/runs/18viezot).
+You can view the training logs [<img src="https://raw.githubusercontent.com/wandb/wandb/main/docs/README_images/logo-light.svg" width="200"/>](https://wandb.ai/william-derue/LLM-summarizer_trainer/runs/nlrru9au).
 
 ## Training details
 
@@ -43,9 +74,11 @@ You can view the training logs [<img src="https://raw.githubusercontent.com/wand
 # Project details
 [<img src="https://avatars.githubusercontent.com/u/116890814?v=4" width="100"/>](https://github.com/WillIsback/Report_Maker)
 Fine-tuned on French audio podcast transcription data for summarization task. As a result, the model is able to summarize French audio podcast transcription data.
-The model will be used for a AI application: [Report Maker](https://github.com/WillIsback/Report_Maker) wich is a powerful tool designed to automate the process of transcribing and summarizing meetings.
+The model will be used for an AI application: [Report Maker](https://github.com/WillIsback/Report_Maker) wich is a powerful tool designed to automate the process of transcribing and summarizing meetings.
 It leverages state-of-the-art machine learning models to provide detailed and accurate reports.
 
 This gemma model was trained 2x faster with [Unsloth](https://github.com/unslothai/unsloth) and Huggingface's TRL library.
-
+This gemma was trained with [LLM summarizer trainer](images/Llm_Summarizer_trainer_icon-removebg.png)
 [<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)
+**LLM summarizer trainer**
+[<img src="https://github.com/WillIsback/LLM_Summarizer_Trainer/blob/main/images/Llm_Summarizer_trainer_icon-removebg.png?raw=true" width="150"/>](https://github.com/WillIsback/LLM_Summarizer_Trainer)