/ Модель
Каталог

Характеристики

Контекст
256 токенов
Параметры
54,5 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 окт 2023

Ссылки

Hugging Face

sinhala-bert-medium-v2

Ransaka
Заполнение пропусковТекст → текст3 профессии

Предварительно обученная модель BERT для сингальского языка, предназначенная прежде всего для заполнения пропусков в тексте.

137скачиваний за 30 дней0лайковвеса обновлены3 окт 2023

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

Ransaka/sinhala-bert-medium-v2 — предварительно обученная языковая модель семейства BERT для сингальского языка. Она предназначена для заполнения пропусков в тексте и может использоваться как основа для задач понимания сингальского текста.

Модель содержит 54,5 млн параметров, имеет 6 слоёв Transformer, 6 голов внимания и размер скрытого слоя 786. Максимальная длина контекста — 256 токенов. Опубликованные веса представлены в формате Safetensors.

Модель создана на основе данных на сингальском языке; сведения о составе обучающих данных и оценке качества не приведены. Лицензия MIT разрешает использование и распространение с соблюдением её условий.

Сценарии применения

  • заполнение пропущенных слов в сингальском тексте
  • оценка языкового контекста сингальских фраз
  • адаптация сингальского BERT для задач понимания текста

Ограничения

В карточке не приведены обучающий корпус, результаты оценки и подробные сведения о предполагаемых ограничениях; максимальный контекст составляет 256 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sinhala-bert-medium

This model is pretrained on Sinhala data srources.

Model description

hidden_size = 786
num_hidden_layers = 6
num_attention_heads = 6
intermediate_size = 1024

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: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Framework versions

  • Transformers 4.33.3
  • Pytorch 2.0.0
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
BertForMaskedLM
Ревизия весов
fbc0693

0 моделей

    Создать бенчмарк