/ Модель

Характеристики

Контекст
512 токенов
Параметры
79,5 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

distilbert-portuguese-cased

ЭмбеддингиТекст → embedding4 профессии

Дистиллированная португалоязычная BERT-модель для извлечения признаков и последующего дообучения под конкретные задачи.

3 971скачиваний за 30 дней21лайквеса обновлены10 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

adalbertojunior/distilbert-portuguese-cased — дистиллированная модель на архитектуре BERT, созданная на основе BERTimbau. Она предназначена для извлечения признаков из текста и может служить компактной отправной точкой для последующего дообучения на собственных данных. Модель содержит около 79,5 млн параметров и поддерживает контекст до 512 токенов; для загрузки используются форматы PyTorch и safetensors.

Карточка сообщает, что в некоторых задачах точность может достигать 99% от результата исходной BERTimbau. Это относительная оценка для отдельных задач, а не гарантия качества на произвольных данных. Модель рассчитана на португальский язык, использует регистр букв и требует дообучения под конкретное применение. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение векторных представлений португальских текстов
  • подготовка признаков для классификатора португальских текстов
  • дообучение BERT-модели на собственном португалоязычном датасете

Ограничения

Заявленные до 99% точности относительно BERTimbau относятся лишь к некоторым задачам и не гарантируют такого результата на новых данных. Для конкретного применения модель следует дообучить на собственных данных.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model was distilled from BERTimbau

Usage

from transformers import AutoTokenizer  # Or BertTokenizer
from transformers import AutoModelForPreTraining  # Or BertForPreTraining for loading pretraining heads
from transformers import AutoModel  # or BertModel, for BERT without pretraining heads
model = AutoModelForPreTraining.from_pretrained('adalbertojunior/distilbert-portuguese-cased')
tokenizer = AutoTokenizer.from_pretrained('adalbertojunior/distilbert-portuguese-cased', do_lower_case=False)

You should fine tune it on your own data.

It can achieve accuracy up to 99% relative to the original BERTimbau in some tasks.

@misc {adalberto_ferreira_barbosa_junior_2024,
	author       = { {Adalberto Ferreira Barbosa Junior} },
	title        = { distilbert-portuguese-cased (Revision df1fa7a) },
	year         = 2024,
	url          = { https://huggingface.co/adalbertojunior/distilbert-portuguese-cased },
	doi          = { 10.57967/hf/3041 },
	publisher    = { Hugging Face }
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
517a101

0 моделей