Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 22 апр 2022

Ссылки

Hugging Face

finetuning-sentiment-model-3000-samples

PrasunMishra

Классификация текстаТекст → label3 профессии

Дообученная на IMDb модель DistilBERT для классификации тональности англоязычных отзывов о фильмах.

31скачиваний за 30 дней0лайковвеса обновлены22 апр 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

Prasun Mishra разработал модель классификации текста, дообучив distilbert-base-uncased на датасете IMDb. Она предназначена для анализа тональности и классификации отзывов о фильмах; архитектура — DistilBERT для классификации последовательностей, размер контекста — до 512 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Карточка не приводит оценок качества или подробностей обучения, поэтому надёжность предсказаний на других типах текстов не установлена. Модель рассчитана на английский текст, что следует из базовой модели distilbert-base-uncased и датасета IMDb.

Сценарии применения

Определение тональности отзыва о фильме
Классификация отзывов на положительные и отрицательные
Автоматическая сортировка отзывов по эмоциональной окраске

Ограничения

В карточке нет результатов оценки качества и сведений о поведении на данных вне IMDb; длина контекста ограничена 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finetuning-sentiment-model-3000-samples

This model is a fine-tuned version of distilbert-base-uncased on the imdb 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: 2

Training results

Framework versions

Transformers 4.17.0
Pytorch 1.9.1
Datasets 2.1.0
Tokenizers 0.11.6

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 1d47497