Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 5 июл 2026

Ссылки

Hugging Face

learn_hf_food_not_food_text_classifier-distilbert-base-uncased

fongbx

Классификация текстаТекст → label

Англоязычная модель DistilBERT для классификации текста, в том числе для различения еды и не-еды.

5скачиваний за 30 дней0лайковвеса обновлены5 июл 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

Модель fongbx/learn_hf_food_not_food_text_classifier-distilbert-base-uncased — дообученная на классификацию текста версия DistilBERT от автора fongbx. Она предназначена для отнесения входного текста к категориям, в частности для различения еды и не-еды, что следует из названия модели. Архитектура — DistilBertForSequenceClassification; модель работает с текстом, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов.

В README указаны точность 1,0 и loss 0,0004 на оценочном наборе, однако набор данных не назван, а описание обучения и ограничений отсутствует. Базовая модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

Классификация текстовых описаний еды и не-еды
Фильтрация текстовых записей по признаку наличия еды
Разметка коротких англоязычных текстов по классам

Ограничения

Датасет обучения и подробные ограничения не описаны. Указанные в README точность 1,0 и loss 0,0004 относятся к неназванному оценочному набору и не позволяют судить о качестве на других данных.

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: 0.0004
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
0.3334	1.0	7	0.0331	1.0
0.0390	2.0	14	0.0044	1.0
0.0033	3.0	21	0.0015	1.0
0.0015	4.0	28	0.0009	1.0
0.0010	5.0	35	0.0006	1.0
0.0007	6.0	42	0.0005	1.0
0.0006	7.0	49	0.0004	1.0
0.0005	8.0	56	0.0004	1.0
0.0005	9.0	63	0.0004	1.0
0.0005	10.0	70	0.0004	1.0

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cpu
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: aec8d56