Model Trained Using AutoTrain
- Problem type: Text Classification
Validation Metrics
loss: 0.23106792569160461
f1: 0.9262187088274044
precision: 0.9323607427055703
recall: 0.9201570680628273
auc: 0.9715927065373848
accuracy: 0.9214586255259467
Дообученная англоязычная BERT-модель для классификации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель dilarayavuz/generated-sst2-stylebkd-bert-p3 — дообученная на базе google-bert/bert-base-uncased модель BERT для классификации текста. Карточка указывает задачу текстовой классификации и приводит метрики на валидационной выборке: accuracy 0,921, F1 0,926, precision 0,932, recall 0,920 и AUC 0,972.
Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Базовая модель англоязычная; карточка не уточняет набор меток или точное назначение классификации, поэтому область применения следует определять по данным дообучения и меткам модели. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Метаданные не сообщают лицензию.
README не уточняет метки классов и домен обучающих данных, поэтому применимость к конкретной классификационной задаче не подтверждена. Приведённые метрики относятся только к указанной в карточке валидационной выборке.
README от автора на Hugging Face, как он его опубликовал
loss: 0.23106792569160461
f1: 0.9262187088274044
precision: 0.9323607427055703
recall: 0.9201570680628273
auc: 0.9715927065373848
accuracy: 0.9214586255259467
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…