Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 26 июн 2026

Ссылки

Hugging Face

bert-finetuned-imdb

bhavantik

Классификация текстаТекст → label

Дообученная BERT-модель для классификации отзывов о фильмах IMDb по тональности.

7скачиваний за 30 дней0лайковвеса обновлены26 июн 2026

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

bhavantik/bert-finetuned-imdb — модель классификации текста на основе BERT, дообученная на bert-base-uncased. По названию репозитория она предназначена для классификации отзывов о фильмах IMDb по тональности; README сообщает о результате loss 0,0008 на оценочном наборе, но не раскрывает датасет и методику оценки. Модель содержит 136,7 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метку класса. Подходит для автоматической разметки отзывов и анализа тональности пользовательских мнений. Распространяется по лицензии Apache-2.0.

Сценарии применения

Определение тональности отзывов о фильмах
Разделение отзывов IMDb на положительные и отрицательные
Автоматическая разметка пользовательских мнений о кино

Ограничения

README не описывает классы модели, обучающий датасет или методику оценки; заявленный loss сам по себе не позволяет оценить качество на новых данных. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-imdb

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

Loss: 0.0008

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 1

Training results

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: e11912f