/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Опубликована
23 апр 2024

distilbert-base-uncased-G1

Разметка токеновТекст → label

Дообученная модель DistilBERT для классификации токенов в последовательностях текста.

9скачиваний за 30 дней0лайковвеса обновлены25 сен 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

ChakuChidiya/distilbert-base-uncased-G1 — модель DistilBERT, дообученная для классификации токенов. В метаданных указана архитектура DistilBertForTokenClassification и формат TensorFlow; модель основана на distilbert/distilbert-base-uncased и имеет контекст до 512 токенов. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значения потерь на обучении и валидации после второй эпохи, но не описывает метки и назначение классификации.

Модель может служить основой для задач разметки отдельных токенов, однако без сведений о классах и данных нельзя определить подходящий прикладной сценарий или оценить качество результатов. Лицензия — Apache-2.0.

Сценарии применения

  • разметка токенов в текстовой последовательности
  • извлечение сущностей после настройки под нужные метки
  • классификация слов или фрагментов текста после проверки совместимости меток

Ограничения

В карточке не описаны набор данных, целевые метки и назначение модели, поэтому применимость к конкретной задаче и качество классификации оценить нельзя.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-G1

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

  • Train Loss: 0.1894
  • Validation Loss: 0.3447
  • Epoch: 2

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 4e-05, 'decay_steps': 2205, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.07}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
0.53470.38430
0.28710.33271
0.18940.34472

Framework versions

  • Transformers 4.37.0
  • TensorFlow 2.15.0
  • Datasets 2.14.5
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DistilBertForTokenClassification
Ревизия весов
b7b70fb

0 моделей