/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
roberta · dense

kinyaRoberta-large

Заполнение пропусковТекст → текст3 профессии

Предобученная RoBERTa-модель для киньяруанда, предназначенная для предсказания замаскированных слов в тексте.

13скачиваний за 30 дней0лайковвеса 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

KinyaRoBERTa-large — предварительно обученная модель семейства RoBERTa для языка киньяруанда, опубликованная jean-paul. Она обучена на корпусе новостных статей из Руанды, выгрузках Википедии и книгах на киньяруанда с целью masked language modeling; токены нечувствительны к регистру. Модель содержит 136,3 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате PyTorch.

Модель предназначена для заполнения пропусков в тексте на киньяруанда и может служить языковой основой для задач, использующих предобучение MLM. Для применения указана библиотека Transformers и класс RobertaForMaskedLM. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • заполнение пропусков в предложениях на киньяруанда
  • подбор вероятного слова вместо маски в тексте
  • получение контекстных предсказаний для текста на киньяруанда

Ограничения

Модель обучена на ограниченном корпусе новостей, Википедии и книг, поэтому качество может различаться в других жанрах и областях. Контекст ограничен 512 токенами.

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. RoBerta model was first introduced in this paper. This KinyaRoBERTa 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 RoBerta and Trainer from the Huggingface. However, due to some resource computation issues, we kept the number of transformer layers to 12.

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/kinyaRoberta-large',
    tokenizer='jean-paul/kinyaRoberta-large',
)

the_mask_pipe("Ejo ndikwiga nagize <mask> baje kunsura.")

[{'sequence': 'Ejo ndikwiga nagize amahirwe baje kunsura.', 'score': 0.5675836205482483, 'token': 1711, 'token_str': ' amahirwe'}, 
{'sequence': 'Ejo ndikwiga nagize benshi baje kunsura.', 'score': 0.03573048859834671, 'token': 769, 'token_str': ' benshi'}, 
{'sequence': 'Ejo ndikwiga nagize ubwoba baje kunsura.', 'score': 0.03272199630737305, 'token': 2594, 'token_str': ' ubwoba'}, 
{'sequence': 'Ejo ndikwiga nagize ngo baje kunsura.', 'score': 0.013406379148364067, 'token': 396, 'token_str': ' ngo'}, 
{'sequence': 'Ejo ndikwiga nagize abantu baje kunsura.', 'score': 0.012342716567218304, 'token': 500, 'token_str': ' abantu'}]
  1. Direct use from the transformer library to get features using AutoModel
from transformers import AutoTokenizer, AutoModelForMaskedLM
  
tokenizer = AutoTokenizer.from_pretrained("jean-paul/kinyaRoberta-large")

model = AutoModelForMaskedLM.from_pretrained("jean-paul/kinyaRoberta-large")

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 RoBerta from scratch, both the RoBerta 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
RobertaForMaskedLM
Ревизия весов
f19c900

0 моделей