Характеристики

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

Ссылки

Hugging Face

Jon_reward_stage1_epi_point5

Setpember

Классификация текстаТекст → label

Дообученная на GPT-2 модель классификации текста с контекстом до 1024 токенов.

6скачиваний 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

Jonrewardstage1epipoint5 — дообученная на базе openai-community/gpt2 модель классификации последовательностей. В метаданных указана архитектура GPT-2ForSequenceClassification и формат весов safetensors; максимальная длина контекста — 1024 токена.

Карточка не описывает назначение меток, обучающие данные или результаты оценки, поэтому конкретные сценарии классификации определить нельзя. Модель может принимать текст и выдавать классификационные метки. Лицензия — MIT.

Сценарии применения

классификация текстовых последовательностей

Ограничения

Назначение классов, обучающие данные и качество модели не описаны, поэтому пригодность для конкретной классификационной задачи не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jon_reward_stage1_epi_point5

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: f189f80