/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Опубликована
2 мар 2022

M-BERT-Distil-40

ЭмбеддингиТекст → embedding6 профессий

Мультиязычный текстовый энкодер, который преобразует предложения в пространство эмбеддингов CLIP для сопоставления текста с изображениями на 40 языках.

30скачиваний за 30 дней8лайковвеса обновлены15 сен 2022

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 Distil 40 — мультиязычная текстовая модель проекта Multilingual-CLIP, дообученная на базе distilbert-base-multilingual для согласования текстовых эмбеддингов с пространством текстового энкодера CLIP, используемого вместе с визуальным энкодером ResNet-50x4. Она извлекает признаки из текста и предназначена для мультиязычного поиска по изображениям и сопоставления текста с изображениями в сочетании с исходным CLIP-энкодером и дополнительными линейными весами.

Модель дообучали на парах предложений и описаний изображений для 40 языков: предложения брали из GCC, MSCOCO и VizWiz, а переводы создавали с помощью AWS Translate. Контекст модели составляет 512 токенов. В карточке отмечены приемлемые качественные результаты для французского, немецкого, испанского, русского, шведского и греческого языков; результаты могут различаться между языками из-за неодинакового качества переводов. Для применения требуется исходный визуальный энкодер CLIP и дополнительные веса. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск изображений по текстовому запросу на поддерживаемом языке
  • сопоставление описаний с изображениями в связке с визуальным энкодером CLIP
  • извлечение текстовых эмбеддингов для мультиязычного поиска по изображениям

Ограничения

Для работы модели нужны исходный визуальный энкодер CLIP и дополнительные линейные веса. Качество переводов в обучающих данных не проверялось и может различаться между языками; на языке, включённом в предобучение, но не в дообучение, модель показала результаты, близкие к случайным.

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-Distil-40')
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 distilbert-base-multilingual tuned to match the embedding space for 40 languages, to the embedding space of the CLIP text encoder which accompanies the Res50x4 vision encoder. A full list of the 100 languages used during pre-training can be found here, and a list of the 40 languages 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 40 languages.

Evaluation

These results can be viewed at Github. A non-rigorous qualitative evaluation shows that for the languages French, German, Spanish, Russian, Swedish and Greek it seemingly yields respectable results for most instances. The exception being that Greeks are apparently unable to recognize happy persons. When testing on Kannada, a language which was included during pre-training but not fine-tuning, it performed close to random

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertModel
Ревизия весов
e138c57

0 моделей