Характеристики

Контекст: 512 токенов
Параметры: 435 млн
Лицензия: CC BY-SA 4.0
Архитектура: deberta-v2 · dense
Опубликована: 10 июн 2022

Ссылки

deberta-large-japanese-unidic

Заполнение пропусковТекст → текст3 профессии

Предварительно обученная японская DeBERTa V2 Large предсказывает замаскированные фрагменты текста и служит основой для дообучения под языковые задачи.

166скачиваний за 30 дней0лайковвеса обновлены19 июн 2022

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

Koichi Yasuoka разработал DeBERTa V2 Large, предварительно обученную на текстах библиотеки 青空文庫 с токенизатором BertJapaneseTokenizer. Модель содержит 435,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для задачи fill-mask: предсказания замаскированных фрагментов японского текста.

Модель можно дообучать для последующих задач обработки японского языка, включая разметку частей речи и синтаксический анализ зависимостей. Для загрузки токенизатора требуются fugashi и unidic-lite. Репозиторий содержит веса PyTorch; лицензия — CC BY-SA 4.0.

Сценарии применения

восстановление пропущенных слов в японском тексте
оценка вариантов заполнения пропуска в японском предложении
дообучение для разметки частей речи на японском языке
дообучение для синтаксического анализа зависимостей японского текста

Ограничения

Контекст модели ограничен 512 токенами; для токенизатора требуются fugashi и unidic-lite.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-large-japanese-unidic

Model Description

This is a DeBERTa(V2) model pre-trained on 青空文庫 texts with BertJapaneseTokenizer. You can fine-tune deberta-large-japanese-unidic for downstream tasks, such as POS-tagging, dependency-parsing, and so on.

How to Use

from transformers import AutoTokenizer,AutoModelForMaskedLM
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/deberta-large-japanese-unidic")
model=AutoModelForMaskedLM.from_pretrained("KoichiYasuoka/deberta-large-japanese-unidic")

fugashi and unidic-lite are required.

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DebertaV2ForMaskedLM
Ревизия весов: 9675b56