Дообученная англоязычная BERT-модель для классификации текста по меткам обучающей задачи.
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 gaurav8894/autotrain-nkdl3-gx9ao — дообученная с помощью AutoTrain модель BERT для классификации текста. Она основана на google-bert/bert-base-uncased и использует архитектуру BertForSequenceClassification. Модель подходит для присвоения текстам меток в задаче, на которой её обучали; карточка не уточняет предметную область и набор классов.
Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате safetensors. Базовая модель ориентирована на английский язык. Валидационная точность составляет 0,5, а macro F1 — около 0,36, что указывает на ограниченное качество классификации. Лицензия в предоставленных данных не указана.
Валидационные показатели невысоки: accuracy 0,5 и macro F1 около 0,36. Предметная область и набор классов в карточке не раскрыты.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 1.6822092533111572
f1_macro: 0.3625850340136054
f1_micro: 0.5
f1_weighted: 0.3625850340136054
precision_macro: 0.2952380952380952
precision_micro: 0.5
precision_weighted: 0.2952380952380952
recall_macro: 0.5
recall_micro: 0.5
recall_weighted: 0.5
accuracy: 0.5
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · text-classification
Подбираем GPU…