Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 18 июн 2022

Ссылки

Hugging Face

distilbert-base-uncased-finetuned-imdb

chandrasutrisnotjhong

Заполнение пропусковТекст → текст3 профессии

Дообученная на IMDB модель DistilBERT для предсказания пропущенных слов в тексте.

53скачиваний за 30 дней0лайковвеса обновлены20 июн 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 chandrasutrisnotjhong/distilbert-base-uncased-finetuned-imdb — дообученная на датасете IMDB версия DistilBERT для заполнения пропусков в тексте. Она использует архитектуру DistilBertForMaskedLM и рассчитана на обработку последовательностей до 512 токенов. Модель подходит для подстановки вероятных слов вместо маскированных фрагментов в англоязычном тексте.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. В карточке указана оценка Loss 2.4721 на наборе оценки; подробные сведения о качестве, данных обучения и ограничениях отсутствуют.

Сценарии применения

подбор слова для заполнения маски в предложении
анализ вероятных вариантов продолжения короткого англоязычного текста
демонстрация задачи masked language modeling
эксперименты с DistilBERT на текстах из отзывов о фильмах

Ограничения

Карточка не описывает ограничения и приводит только Loss 2.4721 на наборе оценки. Дообучение на IMDB само по себе не подтверждает специализацию модели на классификации тональности.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей 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-imdb

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

Loss: 2.4721

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
2.7086	1.0	157	2.4897
2.5796	2.0	314	2.4230
2.5269	3.0	471	2.4354

Framework versions

Transformers 4.20.0
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: ad4e869