Характеристики

Контекст: 512 токенов
Архитектура: hybridbert · dense
Опубликована: 20 июн 2023

Ссылки

Hugging Face

model_v1_complete_training_wt_init_48_small

gokuls

Заполнение пропусковТекст → текст3 профессии

Дообученная модель HybridBERT предсказывает пропущенные токены в тексте в пределах контекста до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены21 июн 2023

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

gokuls/model_v1_complete_training_wt_init_48_small — дообученная модель семейства HybridBERT на архитектуре DistilBertForMaskedLM для задачи заполнения пропусков в тексте. Она принимает последовательность токенов с маской и предсказывает вероятные варианты для пропущенного токена. Максимальная длина контекста — 512 токенов; формат весов — PyTorch. В README приведены результаты оценки: loss 2,5728 и accuracy 0,5268.

Модель предназначена для экспериментов и задач заполнения масок. Данные обучения и язык модели не описаны, а README не содержит дополнительных сведений о предполагаемых сценариях использования. Лицензия в предоставленных данных не указана.

Сценарии применения

подстановка вероятного слова вместо маски в предложении
оценка вариантов заполнения пропуска в тексте
эксперименты с задачей masked language modeling

Ограничения

Язык, данные обучения и целевые сценарии не описаны; в README приведены только метрики оценки loss 2,5728 и accuracy 0,5268. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model_v1_complete_training_wt_init_48_small

This model is a fine-tuned version of on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.5728
Accuracy: 0.5268

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: 1e-05
train_batch_size: 48
eval_batch_size: 48
seed: 10
distributed_type: multi-GPU
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 10000
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
3.7567	0.25	30000	3.5433	0.4111
3.3711	0.49	60000	3.1762	0.4519
3.1874	0.74	90000	3.0125	0.4709
3.0895	0.98	120000	2.9136	0.4832
3.0097	1.23	150000	2.8447	0.4919
2.9567	1.47	180000	2.7906	0.4985
2.9172	1.72	210000	2.7519	0.5034
2.8781	1.97	240000	2.7183	0.5079
2.8467	2.21	270000	2.6916	0.5113
2.8156	2.46	300000	2.6691	0.5142
2.7975	2.7	330000	2.6503	0.5168
2.7806	2.95	360000	2.6341	0.5189
2.7637	3.2	390000	2.6222	0.5204
2.7629	3.44	420000	2.6085	0.5223
2.7457	3.69	450000	2.5993	0.5235
2.7393	3.93	480000	2.5901	0.5247
2.7285	4.18	510000	2.5829	0.5256
2.7204	4.42	540000	2.5792	0.5260
2.7213	4.67	570000	2.5758	0.5266
2.716	4.92	600000	2.5728	0.5268

Framework versions

Transformers 4.30.2
Pytorch 1.14.0a0+410ce96
Datasets 2.13.0
Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Нельзя запустить

Архитектура hybridbert неизвестна transformers в образе рантайма.

Класс архитектуры: DistilBertForMaskedLM
Ревизия весов: 865f75f