Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 15 ноя 2024

Ссылки

bert_tiny_lda_20

Дообученная DistilBERT-модель для предсказания замаскированных токенов с темами LDA, обученная на обработанном WikiText-103.

12скачиваний за 30 дней0лайковвеса обновлены15 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_20 — дообученная модель на архитектуре DistilBERT для предсказания замаскированных токенов с использованием тем LDA. Она обучена на обработанном наборе gokulsrinivasagan/processed_wikitext-103-raw-v1-ld и сохранена в формате safetensors. Контекст модели составляет 512 токенов.

В карточке указаны результаты оценки: loss 6,9578 и accuracy 0,2595. Базовая модель не названа, а описание назначения и ограничений в README не заполнено. Лицензия в предоставленных данных не указана.

Сценарии применения

предсказание замаскированных слов в тексте
эксперименты с языковым моделированием и тематическими признаками
оценка качества модели на обработанном корпусе WikiText-103

Ограничения

В README приведены невысокие показатели оценки: loss 6,9578 и accuracy 0,2595. Описание предполагаемого применения и подробные ограничения отсутствуют.

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.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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_tiny_lda_20

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: 6.9578
Accuracy: 0.2595

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
8.4284	6.9979	10000	8.3617	0.1537
7.8726	13.9958	20000	7.7757	0.1623
7.1855	20.9937	30000	7.0074	0.2526

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: 4c19deb