/ Модель

Характеристики

Контекст
512 токенов
Параметры
32,4 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 июл 2022

bert-small-uncased

Заполнение пропусковТекст → текст3 профессии

Компактная англоязычная модель BERT для предсказания замаскированных слов в тексте.

466скачиваний за 30 дней0лайковвеса обновлены5 янв 2025

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

gaunernst/bert-small-uncased — компактная англоязычная модель BERT для заполнения пропусков в тексте. Репозиторий содержит конверсию чекпойнта Google BERT; вариант BERT-Small имеет 4 слоя и скрытый размер 512. Модель использует архитектуру BertForMaskedLM, содержит около 32,4 млн параметров и принимает последовательности длиной до 512 токенов.

Модель подходит для предсказания замаскированных слов и экспериментов с компактными трансформерами. В качестве обучающих корпусов указаны BookCorpus и Wikipedia. Карточка не уточняет, применялась ли дистилляция; распространение разрешено по лицензии Apache-2.0.

Сценарии применения

  • подстановка пропущенного слова в английском предложении
  • оценка вероятных вариантов замены слова по контексту
  • эксперименты с компактными моделями BERT
  • создание прототипов задач языкового моделирования

Ограничения

Модель предназначена для английского языка и ограничена контекстом до 512 токенов. В карточке не подтверждено, применялась ли к чекпойнту дистилляция.

Для каких профессий подходит3

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 Small (uncased)

Mini BERT models from https://arxiv.org/abs/1908.08962 that the HF team didn't convert. The original conversion script is used.

See the original Google repo: google-research/bert

Note: it's not clear if these checkpoints have undergone knowledge distillation.

Model variants

H=128H=256H=512H=768
L=22/128 (BERT-Tiny)2/2562/5122/768
L=44/1284/256 (BERT-Mini)4/512 (BERT-Small)4/768
L=66/1286/2566/5126/768
L=88/1288/2568/512 (BERT-Medium)8/768
L=1010/12810/25610/51210/768
L=1212/12812/25612/51212/768 (BERT-Base, original)

Usage

See other BERT model cards e.g. https://huggingface.co/bert-base-uncased

Citation

@article{turc2019,
  title={Well-Read Students Learn Better: On the Importance of Pre-training Compact Models},
  author={Turc, Iulia and Chang, Ming-Wei and Lee, Kenton and Toutanova, Kristina},
  journal={arXiv preprint arXiv:1908.08962v2 },
  year={2019}
}

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
9a227d0

0 моделей