/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Библиотека
transformers
Опубликована
9 дек 2024

bert_tiny_lda_100_v1_book

Языковая модель3 профессии

Дообученная модель DistilBERT для экспериментов с корпусом книг и разметкой по 100 темам LDA.

11скачиваний за 30 дней0лайковвеса обновлены10 дек 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

Это дообученная модель на основе DistilBERT для работы с корпусом книг gokulsrinivasagan/processed_book_corpus-ld-100. В репозитории используется класс DistilBertForLDAMaskedLM; модель обучалась на наборе данных, подготовленном для 100 тем LDA. В README приведены результаты оценки: loss 4.9524 и accuracy 0.6766.

Контекст модели — 512 токенов. Карточка не описывает предназначенные сценарии применения и ограничения, поэтому практическая пригодность для конкретных задач не подтверждена. Модель опубликована в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • эксперименты с языковым моделированием на корпусе книг
  • оценка предсказаний модели на обработанном книжном корпусе
  • исследование тематически размеченных текстов

Ограничения

README не раскрывает предполагаемые сценарии, языки обучения и ограничения. Метрики указаны для оценочного набора, но его состав и методика оценки не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_tiny_lda_100_v1_book

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

  • Loss: 4.9524
  • Accuracy: 0.6766

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 LossEpochStepValidation LossAccuracy
10.22670.70251000010.06650.1636
7.21731.4051200006.74510.4823
6.44752.1076300006.03080.5509
6.14922.8102400005.75220.5804
5.95663.5127500005.57020.6009
5.82594.2153600005.45460.6137
5.73964.9178700005.36720.6239
5.66645.6203800005.30740.6312
5.61556.3229900005.26220.6366
5.57047.02541000005.21770.6416
5.53817.72801100005.18690.6460
5.50728.43051200005.15720.6495
5.4769.13311300005.13990.6520
5.45869.83561400005.11440.6554
5.439510.53811500005.09800.6573
5.427911.24071600005.08540.6588
5.408411.94321700005.06940.6610
5.394312.64581800005.05440.6627
5.382913.34831900005.04770.6636
5.37414.05092000005.03610.6652
5.360214.75342100005.02570.6666
5.350615.45602200005.01550.6681
5.344316.15852300005.01030.6687
5.333416.86102400005.00300.6697
5.325217.56362500004.99640.6705
5.318718.26612600004.99040.6711
5.316718.96872700004.98490.6723
5.306819.67122800004.97910.6731
5.303120.37382900004.97400.6736
5.294721.07633000004.97010.6742
5.293121.77883100004.96330.6752
5.287522.48143200004.96020.6756
5.284123.18393300004.95820.6758
5.281523.88653400004.95410.6762
5.281124.58903500004.95120.6766

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
11b4663

0 моделей