Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 2 авг 2026

Ссылки

Hugging Face

bert-finetuned-imdb

Achyuthhh

Классификация текстаТекст → label

Дообученная на базе BERT модель классификации текста, предназначенная, судя по названию, для анализа отзывов IMDb.

5скачиваний за 30 дней0лайковвеса обновлены2 авг 2026

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

Achyuthhh/bert-finetuned-imdb — модель классификации последовательностей на базе BERT, дообученная на bert-base-uncased. Она предназначена для классификации текста; название репозитория указывает на анализ отзывов IMDb, однако README не раскрывает обучающий набор данных и метки классов. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors через Transformers.

В README приведено значение loss 0,0011 на оценочном наборе, но не описаны методика оценки, размер выборки и сами классы, поэтому результат нельзя интерпретировать как подтверждённую точность. Лицензия — Apache-2.0.

Сценарии применения

Классификация тональности отзывов о фильмах
Определение положительных и отрицательных отзывов IMDb
Классификация англоязычных текстовых последовательностей

Ограничения

README не описывает метки классов, обучающий набор данных или методику оценки; значение loss 0,0011 само по себе не подтверждает качество классификации. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-imdb

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

Loss: 0.0011

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
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 1

Training results

Framework versions

Transformers 5.14.1
Pytorch 2.11.0+cpu
Datasets 5.0.1
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: 347890c