/ Модель

Характеристики

Контекст
514 токенов
Параметры
806 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-v-base
Опубликована
9 фев 2023

xlm-v-base-language-id

Классификация текстаТекст → label9 профессий

Модель XLM-RoBERTa для определения языка текста среди 102 языков.

7 331скачиваний за 30 дней10лайковвеса обновлены9 окт 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

xlm-v-base-language-id — модель классификации текста, разработанная Julien Simon и дообученная на базе facebook/xlm-v-base на датасете Google FLEURS. Она определяет язык по тексту и рассчитана на распознавание 102 языков. Модель построена на архитектуре XLM-RoBERTa и содержит около 805,7 млн параметров; максимальный контекст — 514 токенов.

Модель подходит для автоматической сортировки и маршрутизации текстов по языку, а также для определения языка пользовательских сообщений и документов. В README указана точность 0,993 на оценочной выборке; обучение и оценка проводились на обучающей и валидационной выборках FLEURS. Доступны веса PyTorch, Safetensors и OpenVINO. Лицензия — MIT.

Сценарии применения

  • определение языка входящего текста
  • сортировка многоязычных документов по языку
  • маршрутизация сообщений в соответствующие языковые системы

Ограничения

Показатель точности 0,993 приведён для оценочной выборки FLEURS; качество на текстах иных типов и доменов может отличаться. Контекст модели ограничен 514 токенами.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlm-v-base-language-id

This model is a fine-tuned version of facebook/xlm-v-base on the google/fleurs dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0241
  • Accuracy: 0.9930

Usage

The simplest way to use the model is with a text classification pipeline:

from transformers import pipeline

model_id = "juliensimon/xlm-v-base-language-id"
p = pipeline("text-classification", model=model_id)
p("Hello world")
# [{'label': 'English', 'score': 0.9802148342132568}]

The model is also compatible with Optimum Intel.

For example, you can optimize it with Intel OpenVINO and enjoy a 2x inference speedup (or more).

from optimum.intel.openvino import OVModelForSequenceClassification
from transformers import AutoTokenizer, pipeline

model_id = "juliensimon/xlm-v-base-language-id"
ov_model = OVModelForSequenceClassification.from_pretrained(model_id)
tokenizer = AutoTokenizer.from_pretrained(model_id)
p = pipeline("text-classification", model=ov_model, tokenizer=tokenizer)
p("Hello world")
# [{'label': 'English', 'score': 0.9802149534225464}]

An OpenVINO version of the model is available in the repository.

Intended uses & limitations

The model can accurately detect 102 languages. You can find the list on the dataset page.

Training and evaluation data

The model has been trained and evaluated on the complete google/fleurs training and validation sets.

Training procedure

The training script is included in the repository. The model has been trained on an p3dn.24xlarge instance on AWS (8 NVIDIA V100 GPUs).

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 512
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
0.63681.05310.45930.9689
0.0592.010620.04120.9899
0.03113.015930.02750.9918
0.02554.021240.02430.9928
0.0175.026550.02410.9930

Framework versions

  • Transformers 4.26.0
  • Pytorch 1.13.1
  • Datasets 2.8.0
  • 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
XLMRobertaForSequenceClassification
Ревизия весов
43f6bb2

0 моделей