/ Модель

Характеристики

Контекст
512 токенов
Параметры
4 200
Размер весов
1 МБ
Архитектура
roberta · dense

dummy-unknown

Заполнение пропусковТекст → текст3 профессии

julien-c/dummy-unknown — тестовая модель на базе RoBERTa, разработанная для модульных тестов и CI, а не для прикладного использования.

381 тыс.скачиваний за 30 дней1лайквеса обновлены20 мая 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

Она реализует задачу masked language modeling и имеет версии для PyTorch и TensorFlow.

Конфигурация модели предельно мала: один трансформерный слой, одна attention-голова, размер скрытого представления 20 и промежуточного слоя 40; в README также приведён небольшой BPE-токенизатор с 20 токенами, включая специальный токен <unk>. Модель предназначена для проверки загрузки, сохранения и совместимости компонентов Transformers. Языки, фактическая обученность, качество, поддерживаемый контекст и лицензия не указаны, поэтому использовать её для продуктивной генерации или языкового анализа не следует.

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

Dummy model used for unit testing and CI

import json
import os
from transformers import RobertaConfig, RobertaForMaskedLM, TFRobertaForMaskedLM

DIRNAME = "./dummy-unknown"


config = RobertaConfig(10, 20, 1, 1, 40)

model = RobertaForMaskedLM(config)
model.save_pretrained(DIRNAME)

tf_model = TFRobertaForMaskedLM.from_pretrained(DIRNAME, from_pt=True)
tf_model.save_pretrained(DIRNAME)

# Tokenizer:

vocab = [
    "l",
    "o",
    "w",
    "e",
    "r",
    "s",
    "t",
    "i",
    "d",
    "n",
    "\u0120",
    "\u0120l",
    "\u0120n",
    "\u0120lo",
    "\u0120low",
    "er",
    "\u0120lowest",
    "\u0120newer",
    "\u0120wider",
    "<unk>",
]
vocab_tokens = dict(zip(vocab, range(len(vocab))))
merges = ["#version: 0.2", "\u0120 l", "\u0120l o", "\u0120lo w", "e r", ""]

vocab_file = os.path.join(DIRNAME, "vocab.json")
merges_file = os.path.join(DIRNAME, "merges.txt")
with open(vocab_file, "w", encoding="utf-8") as fp:
    fp.write(json.dumps(vocab_tokens) + "\n")
with open(merges_file, "w", encoding="utf-8") as fp:
    fp.write("\n".join(merges))

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
60b8d3f

0 моделей