Характеристики

Контекст: 1 024 токена
Лицензия: MIT
Архитектура: gpt2 · dense
Базовая модель: gpt2
Опубликована: 20 ноя 2024

Ссылки

Hugging Face

Jon_reward_stage1_epi_1

Setpember

Классификация текстаТекст → label3 профессии

Дообученная на базе GPT-2 модель для классификации текстовых последовательностей.

8скачиваний за 30 дней0лайковвеса обновлены20 ноя 2024

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

Jonrewardstage1epi1 — дообученная модель на базе openai-community/gpt2, разработанная автором репозитория Setpember. По архитектуре GPT-2 она предназначена для классификации последовательностей текста. Модель использует плотную архитектуру, сохранена в формате safetensors и имеет контекст длиной до 1024 токенов.

Карточка не описывает обучающие данные, целевые классы и результаты оценки, поэтому практическое качество и подходящие сценарии применения определить нельзя. Модель распространяется по лицензии MIT.

Сценарии применения

классификация текстовых последовательностей
эксперименты с классификацией текста на базе GPT-2
оценка применимости GPT-2 к задаче классификации

Ограничения

В карточке не приведены обучающие данные, набор классов, метрики или оценка качества; пригодность для конкретной задачи требует проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jon_reward_stage1_epi_1

This model is a fine-tuned version of openai-community/gpt2 on the None 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: 5e-05
train_batch_size: 4
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 10
num_epochs: 10

Training results

Framework versions

Transformers 4.38.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.15.2

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: GPT2ForSequenceClassification
Ревизия весов: 897d908