/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Размер весов
216 МБ
Архитектура
bert · dense
Опубликована
11 мар 2023

dslim-bert-base-NER-ov-fp32

Разметка токеновТекст → label7 профессий

Преобразованная в OpenVINO модель BERT для распознавания именованных сущностей в английском тексте.

527скачиваний за 30 дней0лайковвеса обновлены11 мар 2023

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

Это версия модели dslim/bert-base-NER, преобразованная в формат OpenVINO для ускоренного инференса. Модель разработана на основе BERT и предназначена для распознавания именованных сущностей в тексте с классификацией токенов; размер составляет 135,5 млн параметров, контекст — до 512 токенов. В карточке заявлена поддержка английского языка.

Модель можно использовать для извлечения сущностей из английских текстов, например имён людей, организаций и географических названий. OpenVINO упрощает ускоренный запуск на совместимом оборудовании. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • извлечение имён людей из английских документов
  • поиск организаций в английских текстах
  • извлечение географических названий из текстов
  • разметка токенов для последующего анализа текста

Ограничения

Контекст ограничен 512 токенами, а заявленная языковая поддержка — английский. Лицензия в предоставленных данных не указана.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

dslim/bert-base-NER

This is the dslim/bert-base-NER model converted to OpenVINO, for accellerated inference.

An example of how to do inference on this model:

from optimum.intel.openvino import OVModelForTokenClassification
from transformers import AutoTokenizer, pipeline

# model_id should be set to either a local directory or a model available on the HuggingFace hub.
model_id = "helenai/dslim-bert-base-NER-ov-fp32"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = OVModelForTokenClassification.from_pretrained(model_id)
pipe = pipeline("token-classification", model=model, tokenizer=tokenizer)
result = pipe("My name is Wolfgang and I live in Berlin")
print(result)

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
BertForTokenClassification
Ревизия весов
7251ebb

0 моделей