/ Модель

Характеристики

Контекст
512 токенов
Параметры
79,7 млн
Архитектура
bert · dense

KinyaBERT-small

Заполнение пропусковТекст → текст3 профессии

Предварительно обученная BERT-модель для киньяруанда, которая предсказывает замаскированные слова в контексте.

33скачиваний за 30 дней1лайквеса обновлены29 авг 2021

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

KinyaBERT-small — предварительно обученная модель BERT на корпусе текстов на киньяруанда, представленная jean-paul. Она обучена с целью masked language modeling и предназначена для заполнения пропусков в тексте и получения контекстных представлений слов. Модель содержит около 79,7 млн параметров, использует архитектуру BertForMaskedLM и поддерживает контекст до 512 токенов.

Обучающий корпус включает новостные статьи из Руанды, выгрузки Википедии и книги на киньяруанда. Токены нечувствительны к регистру, поэтому модель не различает, например, ikinyarwanda и Ikinyarwanda. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • заполнение пропущенных слов в текстах на киньяруанда
  • подсказки при редактировании текста на киньяруанда
  • получение контекстных представлений слов на киньяруанда

Ограничения

Модель обучалась на ограниченном корпусе новостей, Википедии и книг; токенизация нечувствительна к регистру и не сохраняет различия между заглавными и строчными буквами.

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

Model description

A Pretrained model on the Kinyarwanda language dataset using a masked language modeling (MLM) objective. The BERT model was first introduced in this paper. This KinyaBERT model was pretrained with uncased tokens which means that no difference between for example ikinyarwanda and Ikinyarwanda.

Training parameters

Dataset

The data set used has both sources from the new articles in Rwanda extracted from different new web pages, dumped Wikipedia files, and the books in Kinyarwanda. The sizes of the sources of data are 72 thousand new articles, three thousand dumped Wikipedia articles, and six books with more than a thousand pages.

Hyperparameters

The model was trained with the default configuration of BERT and Trainer from the Huggingface. However, due to some resource computation issues, we kept the number of transformer layers to 6.

How to use:

  1. The model can be used directly with the pipeline for masked language modeling as follows:
from transformers import pipeline
the_mask_pipe = pipeline(
    "fill-mask",
    model='jean-paul/KinyaBERT-small',
    tokenizer='jean-paul/KinyaBERT-small',
)
the_mask_pipe("Ejo ndikwiga nagize [MASK] baje kunsura.")

[{'sequence': 'ejo ndikwiga nagize ubwoba baje kunsura.', 'score': 0.15674786269664764, 'token': 2387, 'token_str': 'ubwoba'}, 
{'sequence': 'ejo ndikwiga nagize ngo baje kunsura.', 'score': 0.13958698511123657, 'token': 196, 'token_str': 'ngo'}, 
{'sequence': 'ejo ndikwiga nagize inyota baje kunsura.', 'score': 0.07670339196920395, 'token': 8797, 'token_str': 'inyota'}, 
{'sequence': 'ejo ndikwiga nagize amahirwe baje kunsura.', 'score': 0.07234629988670349, 'token': 1501, 'token_str': 'amahirwe'}, 
{'sequence': 'ejo ndikwiga nagize abana baje kunsura.', 'score': 0.05717536434531212, 'token': 526, 'token_str': 'abana'}]
  1. Direct use from the transformer library to get features using AutoModel
from transformers import AutoTokenizer, AutoModelForMaskedLM
  
tokenizer = AutoTokenizer.from_pretrained("jean-paul/KinyaBERT-small")

model = AutoModelForMaskedLM.from_pretrained("jean-paul/KinyaBERT-small")

input_text = "Ejo ndikwiga nagize abashyitsi baje kunsura."
encoded_input = tokenizer(input_text, return_tensors='pt')
output = model(**encoded_input)

Note: We used the huggingface implementations for pretraining BERT from scratch, both the BERT model and the classes needed to do it.

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
4575f11

0 моделей