Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 14 мар 2023

Ссылки

Hugging Face

EcoBERT-Pretrained

ViktorDo

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания замаскированных слов в английском тексте.

10скачиваний за 30 дней0лайковвеса обновлены14 мар 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

EcoBERT-Pretrained — модель ViktorDo на архитектуре DistilBERT, дообученная на базе distilbert-base-uncased для заполнения пропусков в тексте. Она предназначена для задач masked language modeling: модель предсказывает замаскированные токены с учётом контекста. Контекстное окно составляет 512 токенов; доступны веса PyTorch, лицензия Apache-2.0.

В README приведено значение loss 2,2796 на оценочном наборе, но название набора указано как None, а описание данных и сценариев применения отсутствует. Поэтому качество и пригодность модели для конкретных предметных областей оценить нельзя.

Сценарии применения

подстановка пропущенного слова в английском предложении
предсказание замаскированных токенов в тексте
проверка языковых представлений для задачи masked language modeling

Ограничения

README не описывает обучающие данные и предполагаемые сценарии применения; приведённая оценка loss не сопровождается названием набора или методикой. Контекст ограничен 512 токенами.

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 385моделей 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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EcoBERT-Pretrained

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.2796

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: 5
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 40
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
2.3457	0.66	500	2.2838
2.3622	1.32	1000	2.2896
2.3474	1.98	1500	2.2877
2.3606	2.64	2000	2.2821

Framework versions

Transformers 4.26.1
Pytorch 1.13.1+cu116
Datasets 2.10.1
Tokenizers 0.13.2

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: DistilBertForMaskedLM
Ревизия весов: 5bc5cf0