Tiny BERT 4L zh
This is a backup repo of the official repo.
Now the model can be loaded with
from transformers import AutoModel
model = AutoModel.from_pretrained("JeremiahZ/TinyBERT_4L_zh_backup")
More information on this model can be found here.
Характеристики
- Контекст
- 512 токенов
- Параметры
- 12,6 млн
- Архитектура
- bert · dense
- Опубликована
- 24 сен 2022
Ссылки
TinyBERT_4L_zh_backup
Компактная китайская BERT-модель для извлечения признаков и контекстных представлений текста.
51скачиваний за 30 дней1лайквеса обновлены26 июн 2023
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
JeremiahZ/TinyBERT_4L_zh_backup — резервная копия официального репозитория модели Tiny BERT 4L zh, доступная для загрузки через Transformers как BertModel. Это компактная модель семейства BERT с 12,6 млн параметров, предназначенная для извлечения признаков из текста. Карточка связывает её с китайским языком; максимальная длина контекста составляет 512 токенов.
Модель можно применять как основу для получения контекстных представлений китайского текста в задачах NLP. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия и конкретные результаты оценки в предоставленных данных не описаны.
Сценарии применения
- получение эмбеддингов китайских текстов
- извлечение признаков для классификации китайского текста
- подготовка представлений текста для последующей NLP-модели
Ограничения
Предоставленные данные не содержат результатов оценки качества или сведений о лицензии; README указывает, что репозиторий является резервной копией официального.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- BertModel
- Ревизия весов
- c9093d2