Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 17 окт 2024

Ссылки

Hugging Face

rehearsal-finetuning-old-train2

Eli238

Классификация текстаТекст → label

Дообученная на неизвестном датасете модель DistilBERT для классификации текстовых последовательностей.

6скачиваний за 30 дней0лайковвеса обновлены17 окт 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

rehearsal-finetuning-old-train2 — дообученная модель классификации текста на базе DistilBERT, разработанная пользователем Eli238. Она предназначена для присвоения меток текстовым последовательностям. Модель использует архитектуру DistilBertForSequenceClassification и принимает текстовые входы; максимальный контекст — 512 токенов.

Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Датасет и конкретная схема меток в карточке не описаны, поэтому применимость к отдельным тематикам и качество классификации оценить нельзя.

Сценарии применения

классификация текстов по меткам
автоматическая категоризация коротких текстов
классификация пользовательских сообщений
разметка текстовых данных для последующего анализа

Ограничения

Датасет, схема меток и результаты оценки не описаны, поэтому качество и пригодность для конкретных задач не установлены. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

rehearsal-finetuning-old-train2

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset.

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: 30

Training results

Framework versions

Transformers 4.44.2
Pytorch 2.4.1+cu121
Datasets 3.0.1
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: e8fac0f