Характеристики

Контекст: 512 токенов
Параметры: 79,7 млн
Архитектура: deberta · dense
Опубликована: 31 июл 2022

Ссылки

Hugging Face

DNADebertaSentencepiece30k_continuation

Vlasta

Заполнение пропусковТекст → текст3 профессии

Модель DeBERTa с 79,7 млн параметров для предсказания замаскированных токенов в текстах длиной до 512 токенов.

105скачиваний за 30 дней0лайковвеса обновлены4 авг 2022

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

Vlasta/DNADebertaSentencepiece30k_continuation — модель DeBERTa для задачи заполнения пропусков в тексте. Она содержит 79,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предсказывает замаскированные токены. Модель обучена с нуля; в README приведено значение loss 6,0813 на оценочном наборе.

Карточка не описывает предполагаемые сценарии применения, языки обучающих данных или условия лицензии, поэтому нельзя уверенно определить специализацию модели и оценить качество для конкретного языка или предметной области.

Сценарии применения

заполнение пропущенных слов в тексте
предсказание замаскированного токена в предложении
эксперименты с языковыми моделями DeBERTa

Ограничения

README не сообщает, на каких данных и языках обучена модель, и не приводит подробных результатов оценки, кроме значения loss 6,0813. Лицензия и предполагаемые сценарии использования не описаны.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DNADebertaSentencepiece30k_continuation

This model was trained from scratch on the None dataset. It achieves the following results on the evaluation set:

Loss: 6.0813

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: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
6.4099	0.41	5000	6.3686
6.4014	0.81	10000	6.3544
6.3816	1.22	15000	6.3338
6.3652	1.62	20000	6.3161
6.3477	2.03	25000	6.2981
6.3305	2.44	30000	6.2851
6.3173	2.84	35000	6.2725
6.306	3.25	40000	6.2559
6.2903	3.66	45000	6.2447
6.2806	4.06	50000	6.2342
6.2654	4.47	55000	6.2213
6.2592	4.87	60000	6.2101
6.2481	5.28	65000	6.2023
6.2394	5.69	70000	6.1929
6.2295	6.09	75000	6.1833
6.219	6.5	80000	6.1800
6.2143	6.91	85000	6.1698
6.2031	7.31	90000	6.1629
6.2036	7.72	95000	6.1523
6.1923	8.12	100000	6.1522
6.1868	8.53	105000	6.1426
6.1827	8.94	110000	6.1356
6.1767	9.34	115000	6.1322
6.1717	9.75	120000	6.1255
6.1649	10.16	125000	6.1221
6.1591	10.56	130000	6.1176
6.1562	10.97	135000	6.1111
6.15	11.37	140000	6.1063
6.1488	11.78	145000	6.1046
6.1449	12.19	150000	6.1023
6.1397	12.59	155000	6.0961
6.135	13.0	160000	6.0938
6.1315	13.41	165000	6.0891
6.1302	13.81	170000	6.0853
6.1295	14.22	175000	6.0838
6.1276	14.62	180000	6.0834

Framework versions

Transformers 4.19.2
Pytorch 1.11.0
Datasets 2.2.2
Tokenizers 0.12.1

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: DebertaForMaskedLM
Ревизия весов: 2523a0c