/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Опубликована
19 мар 2022

my-awesome-model

Заполнение пропусковТекст → текст3 профессии

Дообученная модель DistilBERT для предсказания замаскированных слов в тексте.

106скачиваний за 30 дней0лайковвеса обновлены24 мар 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

my-awesome-model — модель семейства DistilBERT для заполнения пропусков в тексте. Согласно карточке Hugging Face, она дообучена на неизвестном наборе данных; оценка сообщает значение train loss 2.8171 на эпохе 0. Модель представлена в формате TensorFlow, имеет контекстное окно 512 токенов и использует архитектуру DistilBertForMaskedLM.

Модель подходит для предсказания замаскированных токенов в тексте. Карточка не описывает целевые сценарии, обучающие данные или поддерживаемые естественные языки, поэтому её качество и пригодность для конкретных предметных областей по этим сведениям определить нельзя. Лицензия в предоставленных данных не указана.

Сценарии применения

  • подстановка пропущенного слова в предложение
  • предсказание токена по контексту
  • анализ вариантов заполнения текстового пропуска

Ограничения

Данные обучения и поддерживаемые языки не описаны; приведённая оценка train loss на эпохе 0 не позволяет судить о качестве модели.

Для каких профессий подходит3

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

my-awesome-model

This model is a fine-tuned version of bigmorning/my-awesome-model on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 2.8171
  • Epoch: 0

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 2e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossEpoch
2.81710

Framework versions

  • Transformers 4.17.0
  • TensorFlow 2.8.0
  • Datasets 2.0.0
  • Tokenizers 0.11.6

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DistilBertForMaskedLM
Ревизия весов
f524924

0 моделей