Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 26 июн 2026

Ссылки

Hugging Face

my_awesome_imdb_beat-model

hedonwang

Классификация текстаТекст → label

Дообученная англоязычная DistilBERT-модель для классификации текста.

7скачиваний за 30 дней0лайковвеса обновлены27 июн 2026

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

my_awesome_imdb_beat-model — дообученная модель DistilBERT для классификации текста. Она основана на distilbert/distilbert-base-uncased и предназначена для задач понимания англоязычного текста; название репозитория указывает на возможную связь с отзывами IMDb, но карточка не подтверждает назначение набора данных или метки классов. Модель использует архитектуру DistilBertForSequenceClassification, работает с текстом и имеет контекст до 512 токенов.

В README приведены результаты оценки: loss 0,4832 и accuracy 0,8538; набор данных и подробности оценки не описаны. Модель распространяется по лицензии Apache-2.0. Из-за отсутствия сведений о данных и классах предсказаний применимость этих метрик к конкретным сценариям ограничена.

Сценарии применения

классификация англоязычных отзывов
определение тональности текстовых отзывов
отнесение короткого текста к заданным классам

Ограничения

Датасет, классы и точная область применения не описаны, поэтому заявленные метрики нельзя уверенно переносить на конкретные данные. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_imdb_beat-model

This model is a fine-tuned version of distilbert/distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.4832
Accuracy: 0.8538

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: 2e-05
train_batch_size: 16
eval_batch_size: 32
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
training_steps: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.6705	0.0160	25	0.6119	0.8178
0.5280	0.0320	50	0.4832	0.8538

Framework versions

Transformers 5.12.0
Pytorch 2.12.0
Datasets 5.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 0388169