/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense
Опубликована
9 окт 2023

xlm-roberta-base-finetuned-kinyarwanda-kinre-finetuned-kinre-tweet-finetuned

Заполнение пропусковТекст → текст3 профессии

Дообученная XLM-RoBERTa предсказывает пропущенные или замаскированные слова в тексте.

8скачиваний за 30 дней0лайковвеса обновлены9 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

Это дообученная модель XLM-RoBERTa для задачи предсказания замаскированных слов в тексте. Она содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и формат PyTorch; базовая модель уже была дообучена для работы с киньяруанда.

Сценарии применения

  • подстановка пропущенного слова в предложении
  • восстановление замаскированных слов в тексте на киньяруанда
  • подбор вероятного слова для анализа текста на киньяруанда

Ограничения

Карточка не содержит подробных сведений о тренировочных данных и предназначении модели; указанная оценка на наборе проверки — loss 2,8078. Контекст ограничен 514 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-roberta-base-finetuned-kinyarwanda-kinre-finetuned-kinre-tweet-finetuned

This model is a fine-tuned version of RogerB/xlm-roberta-base-finetuned-kinyarwanda-kinre-finetuned on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.8078

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: 10
  • eval_batch_size: 10
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3

Training results

Training LossEpochStepValidation Loss
3.3051.08502.9803
3.06742.017002.8644
2.97673.025502.8718

Framework versions

  • Transformers 4.34.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.14.1

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
XLMRobertaForMaskedLM
Ревизия весов
8a91242

0 моделей