/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Базовая модель
twitter-xlm-roberta-base-sentiment
Опубликована
23 ноя 2023

Improved-xlm-attempt2

Классификация текстаТекст → label5 профессий

Дообученная многоязычная XLM-RoBERTa для классификации текста, включая анализ тональности коротких сообщений.

13скачиваний за 30 дней0лайковвеса обновлены23 ноя 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

Anwaarma/Improved-xlm-attempt2 — дообученная модель классификации текста на базе многоязычной XLM-RoBERTa, исходная модель предназначена для определения тональности твитов и коротких текстов. Модель содержит 305,2 млн параметров, принимает текст и выдаёт метку класса; максимальный контекст — 514 токенов.

На оценочном наборе указаны accuracy 0,87 и loss 0,3637. Данные обучения и точное назначение классов не описаны, поэтому результаты нельзя уверенно переносить на другие наборы данных и сценарии. Модель опубликована в формате PyTorch; лицензия в предоставленных сведениях не указана.

Сценарии применения

  • классификация тональности коротких сообщений
  • определение эмоциональной окраски твитов
  • разметка текстов по классам, заданным при дообучении

Ограничения

Назначение классов, обучающий набор данных и ограничения применения не описаны; метрики приведены только для оценочного набора. Лицензия в предоставленных данных отсутствует.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Improved-xlm-attempt2

This model is a fine-tuned version of cardiffnlp/twitter-xlm-roberta-base-sentiment on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3637
  • Accuracy: 0.87

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
No log0.07500.40870.86
No log0.141000.39300.86
No log0.211500.46880.79
No log0.272000.38340.82
No log0.342500.42490.83
No log0.413000.57770.8
No log0.483500.47520.82
No log0.554000.30800.89
No log0.624500.41250.83
0.34750.685000.32730.9
0.34750.755500.64560.77
0.34750.826000.61100.77
0.34750.896500.38980.85
0.34750.967000.40620.87
0.34751.037500.36370.87

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.7
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
0b2d097

0 моделей