Дообученная англоязычная BERT-модель для классификации текстов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель SrinivasanHF/autotrain-9p28t-uzpnd — дообученная с помощью AutoTrain англоязычная BERT-модель для классификации текстов. Она основана на google-bert/bert-base-uncased, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий использует библиотеку Transformers и формат весов safetensors.
Карточка не описывает тематику классов или конкретный сценарий классификации. На валидации указаны accuracy 0,713, macro F1 0,714 и weighted F1 0,714; эти показатели характеризуют только приведённую выборку. Лицензия в предоставленных данных не указана.
Карточка не сообщает, какие классы и предметную область охватывает классификатор. Приведённые метрики получены на валидационной выборке, но её состав и распределение классов не описаны.
README от автора на Hugging Face, как он его опубликовал
loss: 0.6133618950843811
f1_macro: 0.7137025012025012
f1_micro: 0.7133333333333334
f1_weighted: 0.7137025012025012
precision_macro: 0.7161060471619477
precision_micro: 0.7133333333333334
precision_weighted: 0.7161060471619478
recall_macro: 0.7133333333333333
recall_micro: 0.7133333333333334
recall_weighted: 0.7133333333333334
accuracy: 0.7133333333333334
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…