Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 12 ноя 2024

Ссылки

bert_base_lda

Дообученная модель на базе DistilBERT, обученная на обработанном WikiText-103, с классом архитектуры для masked language modeling.

11скачиваний за 30 дней0лайковвеса обновлены12 ноя 2024

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

bert_base_lda — дообученная модель на архитектуре DistilBERT, разработчик — gokulsrinivasagan. Она обучалась на датасете gokulsrinivasagan/processed_wikitext-103-raw-v1-ld; в карточке приведены результаты оценки: loss 7,7640 и accuracy 0,1567. Модель опубликована в формате safetensors и рассчитана на контекст до 512 токенов.

Название класса архитектуры указывает на вариант DistilBertForLDAMaskedLM, однако README не раскрывает назначение суффикса LDA, конкретный сценарий применения или базовую модель, от которой выполнено дообучение. Условия лицензии и поддерживаемые языки в предоставленных данных не указаны.

Сценарии применения

эксперименты с masked language modeling на текстах WikiText-103
оценка качества языкового моделирования на тестовом наборе

Ограничения

В README указаны низкие значения accuracy (0,1567) и loss (7,7640); качество и практическая пригодность для конкретных задач не подтверждены. Назначение варианта LDA, лицензия и базовая модель не раскрыты в предоставленных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_base_lda

This model is a fine-tuned version of on the gokulsrinivasagan/processed_wikitext-103-raw-v1-ld dataset. It achieves the following results on the evaluation set:

Loss: 7.7640
Accuracy: 0.1567

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: 96
eval_batch_size: 96
seed: 10
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 10000
num_epochs: 25

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
8.119	4.1982	10000	8.0630	0.1508
7.8866	8.3963	20000	7.8948	0.1529
7.7972	12.5945	30000	7.8394	0.1550
7.7373	16.7926	40000	7.8243	0.1536
7.7032	20.9908	50000	7.8077	0.1533

Framework versions

Transformers 4.46.1
Pytorch 2.2.0+cu121
Datasets 3.1.0
Tokenizers 0.20.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: DistilBertForLDAMaskedLM
Ревизия весов: 88119b4