/ Модель

Характеристики

Контекст
512 токенов
Параметры
141 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
7 фев 2023

bert-base-uncased

ЭмбеддингиТекст → embedding11 профессий

Русскоязычный предобученный BERT-энкодер для извлечения признаков из текста и дообучения под задачи понимания языка.

72скачиваний за 30 дней5лайковвеса обновлены10 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

deepvk/bert-base-uncased — предобученный двунаправленный энкодер BERT, разработанный deepvk для обработки текстов, преимущественно на русском языке. Модель обучалась стандартной задачей masked language modeling на корпусе из 250 ГБ отфильтрованных текстов, включая Википедию, книги и данные из социальных сетей. По метаданным, она содержит 140,9 млн параметров, использует архитектуру BERT с 12 слоями и 12 головами внимания и поддерживает контекст до 512 токенов.

Модель предназначена для извлечения признаков из текста и может служить основой для дообучения под классификацию, анализ сходства и другие задачи понимания языка. В репозитории находятся только веса энкодера без предварительно обученной выходной головы, поэтому для конкретной задачи может потребоваться подходящая голова и дообучение. Карточка сообщает о преимущественно русском обучающем корпусе с небольшой долей других языков; метаданные указывают русский и английский. Лицензия — Apache 2.0.

Сценарии применения

  • получение векторных представлений русскоязычных текстов
  • подготовка признаков для классификации текстов
  • дообучение на задачу определения тональности
  • оценка сходства русскоязычных предложений

Ограничения

Модель содержит только энкодер без предварительно обученной выходной головы, поэтому для решения конкретной задачи может понадобиться дообучение. Контекст ограничен 512 токенами.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-base

Pretrained bidirectional encoder for russian language. The model was trained using standard MLM objective on large text corpora including open social data. See Training Details section for more information.

⚠️ This model contains only the encoder part without any pretrained head.

  • Developed by: deepvk
  • Model type: BERT
  • Languages: Mostly russian and small fraction of other languages
  • License: Apache 2.0

How to Get Started with the Model

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("deepvk/bert-base-uncased")
model = AutoModel.from_pretrained("deepvk/bert-base-uncased")

text = "Привет, мир!"

inputs = tokenizer(text, return_tensors='pt')
predictions = model(**inputs)

Training Details

The model was trained using the NVIDIA source code. See the pretraining documentation for details.

Training Data

250 GB of filtered texts in total. A mix of the following data: Wikipedia, Books and Social corpus.

Architecture details

ArgumentValue
Encoder layers12
Encoder attention heads12
Encoder embed dim768
Encoder ffn embed dim3,072
Activation functionGeLU
Attention dropout0.1
Dropout0.1
Max positions512
Vocab size36000
Tokenizer typeBertTokenizer

Evaluation

We evaluated the model on Russian Super Glue dev set. The best result in each task is marked in bold. All models have the same size except the distilled version of DeBERTa.

ModelRCBPARusMuSeRCTERRaRUSSERWSDDaNetQAScore
vk-deberta-distill0.4330.560.6250.590.9430.5690.7260.635
vk-roberta-base0.460.560.6790.7690.9600.5690.6580.665
vk-deberta-base0.4500.610.7220.7040.9480.5780.760.682
vk-bert-base0.4670.570.5870.7040.9530.5830.7370.657
sber-bert-base0.4910.610.6630.7690.9620.5740.6780.678

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
1834f1f

0 моделей