Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 23 июн 2026

Ссылки

Hugging Face

learn_hf_food_not_food_text_classifier-distilbert-base-uncased

edoardoa

Классификация текстаТекст → label

Дообученная англоязычная модель DistilBERT для классификации текстов по категориям «еда» и «не еда».

6скачиваний за 30 дней0лайковвеса обновлены23 июн 2026

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 англоязычная модель классификации текста, созданная edoardoa путём дообучения distilbert/distilbert-base-uncased. По названию репозитория она предназначена для определения, относится ли текст к еде или к категории «не еда». Модель реализована на архитектуре DistilBERT с классификационной головой для последовательностей, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов.

Указанная в карточке точность на оценочном наборе составляет 1,0 при значении loss 0,0005, однако состав и размер набора не описаны, поэтому эти результаты не позволяют судить о качестве на новых данных. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение упоминаний еды в коротких текстах
фильтрация текстов о продуктах и блюдах
разметка отзывов по признаку упоминания еды

Ограничения

Данные обучения не описаны, а заявленная идеальная точность приведена без характеристик оценочного набора, поэтому качество на новых текстах не подтверждено. Контекст ограничен 512 токенами; назначение и поведение модели за пределами классификации еды не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

learn_hf_food_not_food_text_classifier-distilbert-base-uncased

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

Loss: 0.0005
Accuracy: 1.0

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: 0.0001
train_batch_size: 32
eval_batch_size: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4084	1.0	7	0.0852	0.98
0.0276	2.0	14	0.0058	1.0
0.0043	3.0	21	0.0020	1.0
0.0018	4.0	28	0.0011	1.0
0.0011	5.0	35	0.0008	1.0
0.0009	6.0	42	0.0006	1.0
0.0008	7.0	49	0.0005	1.0
0.0007	8.0	56	0.0005	1.0
0.0006	9.0	63	0.0005	1.0
0.0006	10.0	70	0.0005	1.0

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 5dedf53