/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-uncased-imdb

Классификация текстаТекст → label4 профессии

Дообученная на IMDb модель BERT для классификации тональности отзывов о фильмах.

34скачиваний за 30 дней3лайкавеса обновлены30 авг 2022

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

fabriceyhc/bert-base-uncased-imdb — модель BERT, дообученная на наборе данных IMDb для классификации текста, в частности отзывов о фильмах. Она содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

На оценочном наборе IMDb модель достигла точности 0,9126 и значения функции потерь 0,4942. Её можно применять для определения тональности отзывов и классификации текста по меткам, использованным при обучении. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • определение положительной или отрицательной тональности отзыва о фильме
  • классификация отзывов IMDb
  • автоматическая сортировка отзывов по тональности

Ограничения

Модель дообучена на отзывах IMDb, поэтому её качество на других жанрах текста и предметных областях может отличаться. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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

bert-base-uncased-imdb

This model is a fine-tuned version of bert-base-uncased on the imdb dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4942
  • Accuracy: 0.9126

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: 8
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1546
  • training_steps: 15468

Training results

Training LossEpochStepValidation LossAccuracy
0.39520.6520000.40120.86
0.29541.2940000.45350.892
0.25951.9460000.43200.892
0.15162.5980000.53090.896
0.11673.23100000.40700.928
0.06243.88120000.50550.908
0.03294.52140000.43420.92

Framework versions

  • Transformers 4.10.2
  • Pytorch 1.7.1
  • Datasets 1.6.1
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
666b83f

0 моделей