Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 21 ноя 2024

Ссылки

bert_base_lda_100_v1

Дообученная модель DistilBERT для языкового моделирования с маскированными токенами на датасете processed_wikitext-103-raw-v1-ld-100.

16скачиваний за 30 дней0лайковвеса обновлены22 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_100_v1 — дообученная модель на архитектуре DistilBERT, опубликованная пользователем gokulsrinivasagan. Она обучалась на датасете processed_wikitext-103-raw-v1-ld-100; класс модели — DistilBertForLDAMaskedLM, веса сохранены в формате safetensors. Контекст составляет 512 токенов. По классу архитектуры модель предназначена для языкового моделирования с маскированными токенами; оценка на тестовой выборке составила loss 6,9999 и accuracy 0,4235.

Карточка не описывает конкретные пользовательские сценарии, языковую поддержку или условия лицензии. Базовая модель в README не названа. Результаты оценки не дают оснований утверждать, что модель подходит для практического применения; перед использованием следует проверить её на целевых данных.

Сценарии применения

восстановление замаскированных токенов в тексте
эксперименты с masked language modeling
оценка языковой модели на текстах, похожих на WikiText-103

Ограничения

В README указаны loss 6,9999 и accuracy 0,4235 на оценочной выборке; пригодность для прикладных задач не подтверждена. Базовая модель, языковая поддержка и лицензия не описаны.

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_base_lda_100_v1

This model is a fine-tuned version of on the gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-100 dataset. It achieves the following results on the evaluation set:

Loss: 6.9999
Accuracy: 0.4235

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
10.4589	4.1982	10000	10.2935	0.1510
9.6043	8.3963	20000	9.6179	0.1525
9.48	12.5945	30000	9.5449	0.1561
8.9658	16.7926	40000	8.8322	0.2303
7.2614	20.9908	50000	7.0173	0.4201

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: e9eb263