Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 1 авг 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-cola

aemili

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT для классификации английских предложений по грамматичности.

13скачиваний за 30 дней0лайковвеса обновлены11 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

Модель aemili/distilbert-base-uncased-finetuned-cola — версия DistilBERT, дообученная для классификации предложений на данных задачи CoLA из набора GLUE. Она определяет, насколько предложение соответствует нормам грамматичности английского языка. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку классификации. Максимальная длина контекста — 512 токенов.

На оценочной выборке GLUE модель получила коэффициент корреляции Мэтьюса 0,5317 и loss 0,7578. Она подходит для оценки грамматичности английских предложений и учебных экспериментов с классификацией текста. Лицензия — Apache-2.0. Модель узкоспециализирована на английской грамматичности, а приведённые результаты не гарантируют качество на других задачах или данных.

Сценарии применения

оценка грамматичности английского предложения
отбор грамматически корректных предложений из корпуса
учебные эксперименты с классификацией текста

Ограничения

Модель специализирована на задаче CoLA и английском языке; результаты на других задачах и доменах не приведены. Оценочный коэффициент корреляции Мэтьюса составляет 0,5317.

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 I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

distilbert-base-uncased-finetuned-cola

This model is a fine-tuned version of distilbert-base-uncased on the glue dataset. It achieves the following results on the evaluation set:

Loss: 0.7578
Matthews Correlation: 0.5317

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Matthews Correlation
0.5239	1.0	535	0.5219	0.4097
0.3483	2.0	1070	0.5775	0.4913
0.2296	3.0	1605	0.6440	0.4903
0.1734	4.0	2140	0.7578	0.5317
0.137	5.0	2675	0.8612	0.5192

Framework versions

Transformers 4.20.1
Pytorch 1.7.1+cu110
Datasets 2.4.0
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: DistilBertForSequenceClassification
Ревизия весов: 61c2238