/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-multilingual-cased
Опубликована
8 дек 2023

distilbert-base-multilingual-cased-finetuned-en-de-1

Заполнение пропусковТекст → текст

Дообученная многоязычная модель DistilBERT, которая предсказывает пропущенные токены в тексте.

15скачиваний за 30 дней0лайковвеса обновлены9 дек 2023

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

Это дообученная модель DistilBERT для заполнения пропусков в тексте: она предсказывает подходящий токен на месте маски. Модель основана на distilbert/distilbert-base-multilingual-cased и представлена в формате TensorFlow.

Модель предназначена для подстановки пропущенных слов и токенов в многоязычном тексте. В карточке указаны результаты обучения с потерями 3,2058 на обучающей и 3,2310 на проверочной выборке; оценка проведена на нулевой эпохе. Данные обучения и языки, на которых проводилось дообучение, не описаны. Лицензия — Apache-2.0.

Сценарии применения

  • Подстановка пропущенного слова в предложении
  • Восстановление замаскированного токена в многоязычном тексте
  • Получение вариантов заполнения текстовой маски

Ограничения

Данные обучения и языки дообучения не указаны. Проверочная потеря близка к обучающей, однако метрика приведена для нулевой эпохи и не позволяет судить о качестве готовой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

borough-oblast/distilbert-base-multilingual-cased-finetuned-en-de-1

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

  • Train Loss: 3.2058
  • Validation Loss: 3.2310
  • 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': {'module': 'transformers.optimization_tf', 'class_name': 'WarmUp', 'config': {'initial_learning_rate': 2e-05, 'decay_schedule_fn': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 2116, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'warmup_steps': 1000, 'power': 1.0, 'name': None}, 'registered_name': 'WarmUp'}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
3.20583.23100

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.14.0
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
aab0f32

0 моделей