Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Базовая модель: distilbert-base-spanish-uncased
Опубликована: 5 мая 2024

Ссылки

Hugging Face

distilbert-base-spanish-uncased-finetuned-text-intelligence

chris32

Классификация текстаТекст → label4 профессии

Дообученная испаноязычная DistilBERT-модель для классификации текста.

9скачиваний за 30 дней0лайковвеса обновлены5 мая 2024

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 испаноязычная модель DistilBERT для классификации текста. Она основана на dccuchile/distilbert-base-spanish-uncased и использует архитектуру DistilBertForSequenceClassification. Модель предназначена для задач классификации последовательностей; конкретные метки и сценарии классификации в карточке не описаны.

В README указаны результаты оценки: accuracy 0,8834 и F1 0,8827 при loss 0,6945. Модель принимает текст, поддерживает контекст до 512 токенов и опубликована в формате safetensors. Указана лицензия?

Сценарии применения

Классификация испаноязычных текстовых последовательностей
Автоматическая разметка текстов по категориям
Оценка принадлежности текста к заданным классам

Ограничения

Карточка не сообщает, какие именно классы и набор данных использовались, а также не описывает назначение классификации. Контекст ограничен 512 токенами.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-spanish-uncased-finetuned-text-intelligence

This model is a fine-tuned version of dccuchile/distilbert-base-spanish-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.6945
Accuracy: 0.8834
F1: 0.8827

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: 1e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
1.0148	1.0	235	0.7880	0.7138	0.6551
0.6349	2.0	470	0.5415	0.8516	0.8500
0.4709	3.0	705	0.4505	0.8587	0.8613
0.3727	4.0	940	0.4156	0.8905	0.8900
0.3163	5.0	1175	0.4262	0.8905	0.8910
0.2695	6.0	1410	0.5090	0.8869	0.8874
0.2332	7.0	1645	0.5014	0.8869	0.8865
0.1811	8.0	1880	0.5735	0.8834	0.8827
0.1542	9.0	2115	0.5626	0.8940	0.8932
0.1192	10.0	2350	0.5680	0.8905	0.8900
0.124	11.0	2585	0.6291	0.8869	0.8857
0.0988	12.0	2820	0.6424	0.8834	0.8835
0.0933	13.0	3055	0.7085	0.8693	0.8668
0.0813	14.0	3290	0.6560	0.8905	0.8893
0.0599	15.0	3525	0.7175	0.8799	0.8793
0.0632	16.0	3760	0.6862	0.8799	0.8786
0.0489	17.0	3995	0.7064	0.8869	0.8858
0.0449	18.0	4230	0.7046	0.8834	0.8830
0.039	19.0	4465	0.6997	0.8799	0.8790
0.0388	20.0	4700	0.6945	0.8834	0.8827

Framework versions

Transformers 4.40.1
Pytorch 2.1.0
Datasets 2.19.0
Tokenizers 0.19.1

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: 0113a62