/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
18 июн 2023

model-bert__trained-in-ishate__seed-0

Классификация текстаТекст → label3 профессии

Англоязычная модель на базе BERT для классификации текстов по двум классам.

12скачиваний за 30 дней0лайковвеса обновлены18 июн 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

Модель разработана Benjamin Ocampo и предназначена для классификации текстов на английском языке. Это плотная модель семейства BERT с головой BertForSequenceClassification, содержащая 136,7 млн параметров и принимающая последовательности длиной до 512 токенов. В README приведены результаты на dev-наборе: accuracy 0,8736 и macro F1 0,8663 для двух классов; состав классов и назначение классификации не описаны. Лицензия и базовая модель в доступных данных не указаны.

Сценарии применения

  • Классификация англоязычных текстов на два класса
  • Автоматическая разметка текстовых примеров
  • Оценка принадлежности текста к одному из двух классов

Ограничения

Назначение двух классов и обучающие данные не описаны. В README приведены метрики только на dev-наборе; лицензия не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for BenjaminOcampo/model-bert__trained-in-ishate__seed-0

Model Details

Model Description

Classification results dev set

              precision    recall  f1-score   support

           0     0.8926    0.9026    0.8976      2680
           1     0.8425    0.8275    0.8349      1687

    accuracy                         0.8736      4367
   macro avg     0.8676    0.8651    0.8663      4367
weighted avg     0.8733    0.8736    0.8734      4367

Classification results test set

              precision    recall  f1-score   support

           0     0.8970    0.8933    0.8952      2681
           1     0.8316    0.8370    0.8343      1687

    accuracy                         0.8716      4368
   macro avg     0.8643    0.8652    0.8647      4368
weighted avg     0.8717    0.8716    0.8716      4368
  • Developed by: Benjamin Ocampo
  • Shared by [optional]: [More Information Needed]
  • Model type: [More Information Needed]
  • Language(s) (NLP): en
  • License: [More Information Needed]
  • Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

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
BertForSequenceClassification
Ревизия весов
c041329

0 моделей