Характеристики

Архитектура: encoder-decoder · dense
Опубликована: 14 фев 2024

Ссылки

Hugging Face

BERT2BERT_try

houdini001

Языковая модель3 профессии

Дообученная encoder-decoder модель для генерации текста по тексту, без описания конкретного сценария применения.

6скачиваний за 30 дней0лайковвеса обновлены16 фев 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

BERT2BERT_try — дообученная модель типа encoder-decoder на базе архитектуры EncoderDecoderModel, опубликованная пользователем houdini001. В карточке указано значение loss 0,015 на оценочном наборе, но название базовой модели и состав набора данных не приведены.

Теги репозитория указывают на генерацию текста по тексту. Карточка не описывает конкретные сценарии применения, языки, размер модели или ограничения; поэтому нельзя достоверно определить, для каких задач модель подходит и насколько хорошо она работает за пределами указанной оценки. Файлы модели представлены в формате safetensors. Условия лицензии в доступных данных не указаны.

Сценарии применения

эксперименты с генерацией текста по тексту

Ограничения

Базовая модель, данные обучения, поддерживаемые языки и практические ограничения не описаны; указан только loss на оценочном наборе, который сам по себе не позволяет оценить качество в прикладных задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT2BERT_try

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

Loss: 0.0150

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 1
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.2457	0.08	50	0.0349
0.0445	0.16	100	0.0297
0.0339	0.24	150	0.0214
0.0234	0.31	200	0.0221
0.0193	0.39	250	0.0211
0.027	0.47	300	0.0172
0.0199	0.55	350	0.0176
0.021	0.63	400	0.0162
0.0231	0.71	450	0.0164
0.021	0.79	500	0.0152
0.0235	0.86	550	0.0149
0.0178	0.94	600	0.0150

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.17.0
Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: EncoderDecoderModel
Ревизия весов: 8bf401f