/ Модель

Характеристики

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

bert_tiny_lda_50_v1_book

Языковая модель

Дообученная модель DistilBERT для тематического анализа текстов книжного корпуса с настройкой на 50 тем.

7скачиваний 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

Модель gokulsrinivasagan/bert_tiny_lda_50_v1_book — дообученная модель на базе DistilBERT для корпуса книг gokulsrinivasagan/processed_book_corpus-ld-50. В архитектуре указана DistilBertForLDAMaskedLM; модель обучалась с настройкой на 50 тем, а в README приведены результаты оценки: loss 4,4767 и accuracy 0,6768.

Модель предназначена для тематического анализа книжного корпуса и предсказания тематических меток или распределений. Она принимает текст, использует контекст длиной до 512 токенов и выдаёт результаты модели классификации текста. Весовые файлы опубликованы в формате safetensors. Лицензия в доступных сведениях не указана.

Сценарии применения

  • определение тем в отрывках из книг
  • тематическая классификация книжных текстов
  • анализ тематических категорий корпуса книг

Ограничения

README не описывает предполагаемые сценарии использования и ограничения модели. Приведённые метрики оценки сами по себе не показывают качество на других корпусах или задачах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert_tiny_lda_50_v1_book

This model is a fine-tuned version of on the gokulsrinivasagan/processed_book_corpus-ld-50 dataset. It achieves the following results on the evaluation set:

  • Loss: 4.4767
  • Accuracy: 0.6768

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
9.54870.7025100009.38620.1643
6.46291.4051200005.99910.4932
5.8452.1076300005.43850.5587
5.5642.8102400005.18610.5911
5.40093.5127500005.03640.6107
5.28794.2153600004.93770.6221
5.20554.9178700004.84820.6306
5.13685.6203800004.78660.6365
5.09136.3229900004.74520.6414
5.05277.02541000004.70750.6454
5.02587.72801100004.68300.6489
4.99918.43051200004.65710.6519
4.97089.13311300004.64260.6542
4.95669.83561400004.62100.6573
4.939610.53811500004.60700.6589
4.92911.24071600004.59630.6604
4.913411.94321700004.58350.6622
4.90112.64581800004.56830.6639
4.888413.34831900004.56440.6646
4.882314.05092000004.55290.6661
4.870614.75342100004.54400.6672
4.860715.45602200004.53510.6688
4.855116.15852300004.52890.6691
4.846116.86102400004.52380.6702
4.836517.56362500004.51810.6708
4.83118.26612600004.51250.6716
4.829818.96872700004.50800.6724
4.8219.67122800004.50260.6732
4.816820.37382900004.49680.6738
4.808721.07633000004.49400.6745
4.806521.77883100004.48730.6753
4.799922.48143200004.48470.6755
4.79823.18393300004.48180.6759
4.795123.88653400004.47810.6764
4.794624.58903500004.47550.6768

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
7db5455

0 моделей