Характеристики

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

Ссылки

distilbert_lda_20_v1

Дообученная модель DistilBERT с компонентом LDA, обученная на обработанном WikiText-103; README не уточняет её целевую задачу.

15скачиваний за 30 дней0лайковвеса обновлены22 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_20_v1 — дообученная модель на базе DistilBERT, обученная на наборе gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-20. В метаданных указан класс DistilBertForLDAMaskedLM и формат весов safetensors; модель работает с контекстом до 512 токенов.

README приводит значения loss 4.7631 и accuracy 0.5784 на оценочном наборе, но не объясняет назначение компонента LDA, схему разметки или пользовательский сценарий. Лицензия и базовая модель не указаны, поэтому условия использования и исходный репозиторий базовой модели определить нельзя.

Сценарии применения

эксперименты с DistilBERT и LDA на WikiText-103
оценка качества модели на указанном наборе данных

Ограничения

README не описывает назначение модели, её ограничения и условия лицензирования. Приведённые метрики не сопровождаются описанием оценочного набора или протокола.

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.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert_lda_20_v1

This model is a fine-tuned version of on the gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-20 dataset. It achieves the following results on the evaluation set:

Loss: 4.7631
Accuracy: 0.5784

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
8.8106	4.1982	10000	8.6958	0.1517
5.9223	8.3963	20000	5.7065	0.4609
5.188	12.5945	30000	5.0790	0.5390
4.954	16.7926	40000	4.8613	0.5659
4.8413	20.9908	50000	4.7625	0.5789

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: 9cd3714