This is a very small version of BERT, intended for later fine-tune under URL analysis.
Model size 6.53M params
Tensor type F32
Test example:
from transformers import BertTokenizerFast, BertForMaskedLM, pipeline
import torch
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f"Используемое устройство: {device}")
model_path = "./urlbertV1"
tokenizer = BertTokenizerFast.from_pretrained(model_path)
model = BertForMaskedLM.from_pretrained(model_path)
model.to(device)
fill_mask = pipeline(
"fill-mask",
model=model,
tokenizer=tokenizer,
device=0 if torch.cuda.is_available() else -1
)
sentences = [
"http://helloworld.[MASK]/events/"
]
for sentence in sentences:
print(f"\nИсходное предложение: {sentence}")
results = fill_mask(sentence)
for result in results:
token_str = result['token_str']
score = result['score']
print(f"Предсказанное слово: {token_str}, вероятность: {score:.4f}")
Output:
Исходное предложение: http://helloworld.[MASK]/events/
Предсказанное слово: com, вероятность: 0.7575
Предсказанное слово: org, вероятность: 0.0884
Предсказанное слово: nl, вероятность: 0.0294
Предсказанное слово: net, вероятность: 0.0198
Предсказанное слово: ca, вероятность: 0.0153