/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-german-cased

Заполнение пропусковТекст → текст3 профессии

Немецкоязычная BERT-модель с учётом регистра для заполнения пропусков в тексте и адаптации к задачам обработки немецкого языка.

138 тыс.скачиваний за 30 дней27лайковвеса обновлены6 сен 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

dbmdz/bert-base-german-cased — немецкоязычная модель BERT от команды MDZ Digital Library Баварской государственной библиотеки. Это плотная трансформерная модель с 137,1 млн параметров, обученная для предсказания замаскированных токенов. Она сохраняет регистр немецких слов и подходит для заполнения пропусков в тексте и как основа для последующей настройки под задачи обработки немецкого языка.

Обучение проводилось на корпусе объёмом 16 ГБ и примерно 2,35 млрд токенов из Википедии, EU Bookshop, Open Subtitles, CommonCrawl, ParaCrawl и News Crawl. Модель обучалась на последовательностях длиной до 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax, а также Safetensors. Лицензия — MIT.

Модель рассчитана прежде всего на немецкий язык и учитывает регистр, что полезно для сохранения различий между заглавными и строчными буквами. Основное назначение — предсказание скрытых токенов; карточка также упоминает применение BERT для последующей настройки на распознавание сущностей и разметку частей речи. Ограничение контекста составляет 512 токенов, а качество для конкретных прикладных задач зависит от дополнительной настройки.

Сценарии применения

  • заполнение пропусков в немецких текстах
  • предсказание замаскированных немецких слов
  • адаптация BERT для распознавания именованных сущностей на немецком
  • адаптация модели для разметки частей речи в немецком

Ограничения

Контекст ограничен 512 токенами. Для распознавания сущностей, разметки частей речи и других прикладных задач потребуется соответствующая настройка 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

🤗 + 📚 dbmdz German BERT models

In this repository the MDZ Digital Library team (dbmdz) at the Bavarian State Library open sources another German BERT models 🎉

German BERT

Stats

In addition to the recently released German BERT model by deepset we provide another German-language model.

The source data for the model consists of a recent Wikipedia dump, EU Bookshop corpus, Open Subtitles, CommonCrawl, ParaCrawl and News Crawl. This results in a dataset with a size of 16GB and 2,350,234,427 tokens.

For sentence splitting, we use spacy. Our preprocessing steps (sentence piece model for vocab generation) follow those used for training SciBERT. The model is trained with an initial sequence length of 512 subwords and was performed for 1.5M steps.

This release includes both cased and uncased models.

Model weights

Currently only PyTorch-Transformers compatible weights are available. If you need access to TensorFlow checkpoints, please raise an issue!

ModelDownloads
bert-base-german-dbmdz-casedconfig.json • pytorch_model.bin • vocab.txt
bert-base-german-dbmdz-uncasedconfig.json • pytorch_model.bin • vocab.txt

Usage

With Transformers >= 2.3 our German BERT models can be loaded like:

from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("dbmdz/bert-base-german-cased")
model = AutoModel.from_pretrained("dbmdz/bert-base-german-cased")

Results

For results on downstream tasks like NER or PoS tagging, please refer to this repository.

Huggingface model hub

All models are available on the Huggingface model hub.

Contact (Bugs, Feedback, Contribution and more)

For questions about our BERT models just open an issue here 🤗

Acknowledgments

Research supported with Cloud TPUs from Google's TensorFlow Research Cloud (TFRC). Thanks for providing access to the TFRC ❤️

Thanks to the generous support from the Hugging Face team, it is possible to download both cased and uncased models from their S3 storage 🤗

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
BertForMaskedLM
Ревизия весов
43cce13

0 моделей