Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Опубликована: 18 ноя 2023

Ссылки

Hugging Face

Bert-Base-Uncased-Pretrained

dewanshsinghchandel

Заполнение пропусковТекст → текст3 профессии

Дообученная модель BERT для предсказания скрытых токенов и заполнения пропусков в тексте.

6скачиваний за 30 дней0лайковвеса обновлены7 июл 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

Bert-Base-Uncased-Pretrained — модель семейства BERT для задачи восстановления скрытых токенов в тексте. В репозитории указано, что это дообученная модель, однако базовая модель и обучающие данные не названы. Архитектура — BertForMaskedLM с 136,7 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов и выдаёт предсказания для замаскированных позиций.

Модель подходит для заполнения пропусков и экспериментов с языковым моделированием на основе BERT. В карточке приведено значение loss 7,1925 на оценочном наборе, но описание набора и методики оценки отсутствует, поэтому по нему нельзя надёжно судить о качестве. Лицензия в предоставленных данных не указана.

Сценарии применения

предсказание пропущенного слова в предложении
восстановление замаскированных токенов
эксперименты с masked language modeling
проверка контекстных предсказаний BERT

Ограничения

Базовая модель, языки и обучающие данные не указаны; приведённый loss нельзя интерпретировать без описания оценочного набора и методики. Лицензия не указана в предоставленных данных.

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

Bert-Base-Uncased-Pretrained

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

Loss: 7.1925

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: 5e-05
train_batch_size: 5
eval_batch_size: 64
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 40
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	50	7.2354

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

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: BertForMaskedLM
Ревизия весов: 3d47ec3