/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
electra · dense
Опубликована
2 июн 2022

Ссылки

Hugging Face

electra-base-discriminator-finetuned-filtered-0602

YeRyeongLee
Классификация текстаТекст → label3 профессии

Дообученная на неизвестном наборе данных ELECTRA-модель для классификации текста.

14скачиваний за 30 дней0лайковвеса обновлены2 июн 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

YeRyeongLee/electra-base-discriminator-finetuned-filtered-0602 — дообученная модель классификации последовательностей на базе google/electra-base-discriminator. Она предназначена для классификации текста; набор данных и конкретные классы в карточке не раскрыты. Архитектура — ELECTRA с плотными слоями, 136,7 млн параметров; модель использует PyTorch и принимает контекст до 512 токенов.

В README приведены результаты на оценочной выборке: loss 0,1685, accuracy 0,9720 и F1 0,9721; без описания выборки и меток эти показатели сложно интерпретировать. Лицензия — Apache-2.0.

Сценарии применения

  • классификация текстовых последовательностей
  • присвоение меток текстам в пользовательском наборе данных
  • оценка текста обученным классификатором

Ограничения

Набор данных и целевые классы не описаны, поэтому нельзя определить предметную область и оценить переносимость результатов. Контекст ограничен 512 токенами.

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 736моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.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

electra-base-discriminator-finetuned-filtered-0602

This model is a fine-tuned version of google/electra-base-discriminator on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1685
  • Accuracy: 0.9720
  • F1: 0.9721

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: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 10

Training results

Framework versions

  • Transformers 4.19.2
  • Pytorch 1.9.0
  • Datasets 1.16.1
  • Tokenizers 0.12.1

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
ElectraForSequenceClassification
Ревизия весов
3ef5cdd

0 моделей

    Создать бенчмарк