/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Размер весов
557 МБ
Архитектура
xlm-roberta · dense
Опубликована
11 мар 2023

papluca-xlm-roberta-base-language-detection-ov

Классификация текстаТекст → label7 профессий

OpenVINO-конверсия XLM-RoBERTa для определения языка текста с ускоренным инференсом.

543скачиваний за 30 дней0лайковвеса обновлены22 мая 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

Это преобразованная в формат OpenVINO модель papluca/xlm-roberta-base-language-detection для ускоренного инференса. Она использует архитектуру XLM-RoBERTa и классифицирует текст по языку; подходит для определения языка входных фрагментов в приложениях обработки текста. В модели 305,2 млн параметров, максимальная длина контекста — 514 токенов.

Модель предназначена для классификации текста и не генерирует ответы. Карточка указывает на конверсию исходных весов для OpenVINO; сведений о лицензии и перечне распознаваемых языков в предоставленных данных нет.

Сценарии применения

  • определение языка короткого текста
  • автоматическая маршрутизация текстов по языку
  • предварительная фильтрация многоязычных документов
  • определение языка пользовательских сообщений

Ограничения

Максимальный контекст составляет 514 токенов. Перечень поддерживаемых языков и лицензия в предоставленных данных не приведены.

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

papluca/xlm-roberta-base-language-detection

This is the papluca/xlm-roberta-base-language-detection model converted to OpenVINO, for accelerated inference.

An example of how to do inference on this model:

from optimum.intel.openvino import OVModelForSequenceClassification
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/papluca-xlm-roberta-base-language-detection-ov"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = OVModelForSequenceClassification.from_pretrained(model_id)
pipe = pipeline("text-classification", model=model, tokenizer=tokenizer)
result = pipe("hello world")
print(result)

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
XLMRobertaForSequenceClassification
Ревизия весов
74c27cb

0 моделей