Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 23 ноя 2024

Ссылки

Hugging Face

bert_tiny_lda_100_v1

gokulsrinivasagan

Языковая модель3 профессии

Дообученная модель на базе DistilBERT для языковых задач с маскированными токенами и компонентом LDA.

9скачиваний за 30 дней0лайковвеса обновлены24 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

gokulsrinivasagan/bert_tiny_lda_100_v1 — модель на архитектуре DistilBERT, дообученная на датасете gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-100. Класс модели DistilBertForLDAMaskedLM указывает на языковую модель с маскированными токенами и компонентом LDA.

Модель рассчитана на входной текст и работу с последовательностями длиной до 512 токенов. В README приведены результаты оценки: loss 7,8078 и accuracy 0,3677. Описание назначения и ограничений в карточке отсутствует, поэтому конкретные сценарии применения оценить нельзя. Веса опубликованы в формате safetensors; лицензия не указана в доступных данных.

Сценарии применения

эксперименты с языковым моделированием на WikiText-103
оценка предсказания замаскированных токенов
исследование применения LDA к текстовым моделям

Ограничения

На оценочном наборе указаны loss 7,8078 и accuracy 0,3677; README не описывает дополнительные ограничения или предполагаемое применение. Лицензия в предоставленных данных не указана.

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_tiny_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: 7.8078
Accuracy: 0.3677

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: 160
eval_batch_size: 160
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
10.7151	6.9979	10000	10.6513	0.1546
9.7707	13.9958	20000	9.6190	0.1946
8.0878	20.9937	30000	7.8520	0.3593

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: 1ac700a