/ Модель

Характеристики

Параметры
138 млн
Лицензия
MIT
Архитектура
xlnet · dense
Опубликована
6 мар 2023

xlnet-base-cased_winobias_classifieronly

Классификация текстаТекст → label3 профессии

Дообученная XLNet-модель для классификации текста, связанная по названию с задачей Winobias.

42скачиваний за 30 дней0лайковвеса обновлены14 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

henryscheible/xlnet-base-cased_winobias_classifieronly — модель XLNet, дообученная на базе xlnet-base-cased для классификации текста. По названию репозитория она связана с классификацией Winobias, однако README не описывает метки, обучающие данные, оценку качества или конкретный сценарий применения. Модель содержит 137,8 млн параметров, использует архитектуру XLNetForSequenceClassification и опубликована в формате PyTorch. Лицензия — MIT.

Сценарии применения

  • Классификация текстовых примеров в задаче Winobias

Ограничения

README не сообщает обучающий датасет, набор меток, метрики качества или проверенные ограничения; пригодность модели для конкретных данных следует оценивать отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlnet-base-cased_winobias_classifieronly

This model is a fine-tuned version of xlnet-base-cased on an unknown dataset.

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: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 50

Framework versions

  • Transformers 4.26.1
  • Pytorch 1.13.1
  • Datasets 2.10.1
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLNetForSequenceClassification
Ревизия весов
5f4b83b

0 моделей