/ Модель

Характеристики

Контекст
512 токенов
Параметры
129 млн
Архитектура
bert · dense
Базовая модель
bert-base-chinese
Опубликована
22 сен 2023

my_html3

Классификация текстаТекст → label

Дообученная китайская BERT-модель для классификации текстовых последовательностей.

8скачиваний за 30 дней0лайковвеса обновлены22 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AIYIYA/my_html3 — дообученная модель классификации последовательностей на базе BERT-base-Chinese, опубликованная пользователем AIYIYA. Модель содержит около 129,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для задачи text-classification.

В карточке приведены результаты на оценочном наборе: точность на обучающей выборке 1,0, на валидационной — 0,9804; потери на валидационной выборке — 0,1251 после двух эпох. Датасет, метки классов и конкретная область применения не описаны, поэтому результаты нельзя уверенно переносить на другие данные. Указан формат TensorFlow. Сведения о лицензии отсутствуют в предоставленных данных.

Сценарии применения

  • Классификация текстовых последовательностей на метки обучающего набора
  • Автоматическая категоризация китайских текстов при совпадении с обучающей разметкой
  • Оценка текста по классам в конвейере на базе Transformers

Ограничения

Датасет и метки классов не описаны, поэтому область применения и переносимость результатов неясны. Высокая валидационная точность приведена без сведений о размере и составе оценочного набора; лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AIYIYA/my_html3

This model is a fine-tuned version of bert-base-chinese on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.1064
  • Train Accuracy: 1.0
  • Validation Loss: 0.1251
  • Validation Accuracy: 0.9804
  • Epoch: 2

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:

  • optimizer: {'name': 'Adam', 'weight_decay': None, 'clipnorm': None, 'global_clipnorm': None, 'clipvalue': None, 'use_ema': False, 'ema_momentum': 0.99, 'ema_overwrite_frequency': None, 'jit_compile': False, 'is_legacy_optimizer': False, 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 5e-05, 'decay_steps': 30, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}
  • training_precision: float32

Training results

Train LossTrain AccuracyValidation LossValidation AccuracyEpoch
0.82910.73860.29260.98040
0.22390.98040.14780.98041
0.10641.00.12510.98042

Framework versions

  • Transformers 4.33.2
  • TensorFlow 2.13.0
  • Datasets 2.14.5
  • Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
BertForSequenceClassification
Ревизия весов
019b712

0 моделей