/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense

M-BERT-Base-ViT-B

ЭмбеддингиТекст → embedding6 профессий

Многоязычная BERT-модель извлекает текстовые эмбеддинги, согласованные с CLIP, для сопоставления запросов и изображений на разных языках.

31скачиваний за 30 дней12лайковвеса обновлены18 мая 2021

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

M-BERT Base ViT-B — многоязычная текстовая модель проекта Multilingual-CLIP, основанная на BERT-base-multilingual и настроенная так, чтобы представления текста соответствовали пространству эмбеддингов текстового энкодера CLIP для ViT-B/32. Она предназначена для получения текстовых признаков, которые можно сопоставлять с визуальными представлениями CLIP, например для поиска изображений по запросу на разных языках.

По карточке, обучение охватывало 69 языков: использовались пары предложений и переводов, составленные из описаний GCC, MSCOCO и VizWiz. Модель содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов; метаданные указывают реализации в PyTorch, TensorFlow и Flax. Для использования вместе с исходным визуальным энкодером CLIP требуются код и дополнительные линейные веса из репозитория Multilingual-CLIP.

Карточка отмечает, что качество использованных AWS Translate переводов не оценивалось и может различаться между языками; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • поиск изображений по текстовому запросу на разных языках
  • сопоставление многоязычных описаний с изображениями через CLIP
  • извлечение текстовых признаков для мультиязычного поиска
  • построение эмбеддингов предложений в пространстве CLIP

Ограничения

Качество переводов AWS Translate, использованных при обучении, не оценивалось и может различаться по языкам. Для совместной работы с визуальным энкодером CLIP нужны дополнительный код и линейные веса из репозитория Multilingual-CLIP.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Usage

To use this model along with the original CLIP vision encoder you need to download the code and additional linear weights from the Multilingual-CLIP Github.

Once this is done, you can load and use the model with the following code

from src import multilingual_clip

model = multilingual_clip.load_model('M-BERT-Base-ViT')
embeddings = model(['Älgen är skogens konung!', 'Wie leben Eisbären in der Antarktis?', 'Вы знали, что все белые медведи левши?'])
print(embeddings.shape)
# Yields: torch.Size([3, 640])

About

A BERT-base-multilingual tuned to match the embedding space for 69 languages, to the embedding space of the CLIP text encoder which accompanies the ViT-B/32 vision encoder. A full list of the 100 languages used during pre-training can be found here, and a list of the 4069languages used during fine-tuning can be found in SupportedLanguages.md.

Training data pairs was generated by sampling 40k sentences for each language from the combined descriptions of GCC + MSCOCO + VizWiz, and translating them into the corresponding language. All translation was done using the AWS translate service, the quality of these translations have currently not been analyzed, but one can assume the quality varies between the 69 languages.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
5da7183

0 моделей