Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-cola

BAHIJA

Классификация текстаТекст → label3 профессии

Дообученная на CoLA модель DistilBERT определяет грамматическую приемлемость английских предложений.

22скачиваний за 30 дней0лайковвеса обновлены13 мар 2022

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

BAHIJA/distilbert-base-uncased-finetuned-cola — модель классификации текста на архитектуре DistilBERT, дообученная на наборе GLUE для задачи CoLA. Она предназначена для оценки грамматической приемлемости английских предложений и может использоваться для автоматической фильтрации или анализа предложений. Модель имеет 512 токенов контекста и опубликована в формате PyTorch.

На оценочном наборе указаны loss 0,7371 и коэффициент корреляции Мэттьюса 0,5481. Лицензия — Apache-2.0. Карточка не содержит подробных сведений о данных обучения, ограничениях и рекомендуемых сценариях применения.

Сценарии применения

проверка грамматической приемлемости английского предложения
фильтрация грамматически некорректных английских предложений
оценка предложений для экспериментов по пониманию языка

Ограничения

Качество на оценочном наборе CoLA умеренное: коэффициент корреляции Мэттьюса составляет 0,5481. Модель обучена для задачи грамматической приемлемости и не предназначена для полноценной проверки или исправления грамматики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-cola

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

Loss: 0.7371
Matthews Correlation: 0.5481

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: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Matthews Correlation
0.5298	1.0	535	0.5333	0.4142
0.3619	2.0	1070	0.5174	0.5019
0.2449	3.0	1605	0.6394	0.4921
0.1856	4.0	2140	0.7371	0.5481
0.133	5.0	2675	0.8600	0.5327

Framework versions

Transformers 4.17.0
Pytorch 1.10.0+cu111
Datasets 1.18.4
Tokenizers 0.11.6

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: DistilBertForSequenceClassification
Ревизия весов: 36cf32c