Характеристики

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

Ссылки

Hugging Face

distilbert_lda_100_v1

gokulsrinivasagan

Языковая модель3 профессии

Дообученная DistilBERT с LDA-компонентом для языкового моделирования на текстах WikiText-103.

22скачиваний за 30 дней0лайковвеса обновлены23 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/distilbert_lda_100_v1 — дообученная модель на архитектуре DistilBERT, созданная на датасете gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-100. Для оценки приведены loss 5,9919 и accuracy 0,5720. Класс модели DistilBertForLDAMaskedLM указывает на языковое моделирование с маскированием токенов и LDA-компонентом; контекст составляет до 512 токенов. Модель предназначена для экспериментов с обработкой текста и языковым моделированием на данных WikiText-103. Карточка не раскрывает конкретные сценарии применения и не указывает лицензию.

Сценарии применения

эксперименты с языковым моделированием на корпусе WikiText-103
оценка предсказания замаскированных токенов
исследование сочетания DistilBERT и LDA

Ограничения

В README приведены loss 5,9919 и accuracy 0,5720, но не описаны методика оценки и практические ограничения. 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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

distilbert_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: 5.9919
Accuracy: 0.5720

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
10.6393	4.1982	10000	10.5707	0.1522
7.6607	8.3963	20000	7.4539	0.3924
6.5199	12.5945	30000	6.4104	0.5232
6.2188	16.7926	40000	6.1147	0.5560
6.0786	20.9908	50000	6.0022	0.5686

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: 57a2824