Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Опубликована: 10 янв 2024

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb_nlp-course-chapter7-section2

BanUrsus

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания пропущенных токенов в тексте.

12скачиваний за 30 дней1лайквеса обновлены10 янв 2024

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

Это дообученная модель DistilBERT, опубликованная BanUrsus и основанная на distilbert-base-uncased. В метаданных указана архитектура DistilBertForMaskedLM и задача заполнения пропусков в тексте. Модель принимает текст и предсказывает замаскированные токены в пределах контекста до 512 токенов.

Название указывает на связь с IMDb и разделом курса NLP, однако README не подтверждает назначение датасета или конкретные сценарии обучения; автор описывает данные как неизвестный датасет. В карточке приведён результат оценки Loss 2.4830, но без описания набора данных и методики его нельзя использовать для сравнения качества. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

подстановка пропущенного слова в предложении
восстановление замаскированных токенов в тексте
проверка контекстно подходящих вариантов слова

Ограничения

Датасет описан как неизвестный, а назначение и ограничения модели подробно не документированы. Метрика Loss 2.4830 приведена без контекста оценки и не позволяет надёжно судить о качестве.

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 II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей 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-imdb_nlp-course-chapter7-section2

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

Loss: 2.4830

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	157	2.4891
No log	2.0	314	2.4564
No log	3.0	471	2.4640

Framework versions

Transformers 4.35.2
Pytorch 1.11.0+cu102
Datasets 2.15.0
Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: 7a57bf1