Характеристики

Контекст: 514 токенов
Параметры: 454 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-large
Опубликована: 8 мая 2024

Ссылки

Hugging Face

roberta-large-fomc

karoldobiczek

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-large для классификации текстовых последовательностей.

324скачиваний за 30 дней0лайковвеса обновлены11 мая 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

Модель karoldobiczek/roberta-large-fomc — дообученная версия FacebookAI/roberta-large для классификации текста. Она содержит 454,1 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. В README приведены результаты на тестовой выборке: точность 0,666 и функция потерь 0,7874; назначение меток и набор данных не описаны. Модель опубликована под лицензией MIT.

Сценарии применения

Классификация текстовых последовательностей в пределах доступных модели меток
Оценка текста с помощью классификатора на базе RoBERTa

Ограничения

Данные обучения, назначение классов и ограничения применения не описаны. В README указана точность 0,666 на оценочной выборке, поэтому качество для конкретных задач следует проверять отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-large-fomc

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

Loss: 0.7874
Accuracy: 0.6660

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.0083	1	1.0582	0.4980
1.0574	0.2149	26	1.0428	0.4980
1.0702	0.4215	51	1.0500	0.4980
1.1065	0.6281	76	1.0374	0.4980
1.0241	0.8347	101	1.0391	0.4980
1.0324	1.0	121	1.0191	0.4980
1.0324	1.0413	126	1.0097	0.4980
0.9751	1.2479	151	1.0542	0.4737
1.0134	1.4545	176	0.9746	0.5931
0.9276	1.6612	201	0.8633	0.5648
0.8469	1.8678	226	0.7729	0.6538
0.7992	2.0	242	0.7874	0.6660
0.8853	2.0744	251	0.8597	0.6680
0.6466	2.2810	276	0.7767	0.6498
0.778	2.4876	301	1.0588	0.6498
0.7202	2.6942	326	0.7493	0.6721
0.7108	2.9008	351	0.8892	0.6397
0.6354	3.0	363	0.8265	0.6579
0.7704	3.1074	376	0.7833	0.6781
0.6867	3.3140	401	0.9702	0.6478
0.6973	3.5207	426	1.0300	0.6700
0.6682	3.7273	451	0.8206	0.6781
0.6605	3.9339	476	0.8862	0.6822
0.8521	4.0	484	0.8093	0.6316
0.6442	4.1405	501	0.9483	0.6437
0.577	4.3471	526	0.8860	0.6883
0.5252	4.5537	551	0.8797	0.7045
0.5274	4.7603	576	0.7289	0.7024
0.467	4.9669	601	0.8224	0.6903
0.467	5.0	605	0.8218	0.6903

Framework versions

Transformers 4.40.2
Pytorch 1.12.0
Datasets 2.19.1
Tokenizers 0.19.1

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: RobertaForSequenceClassification
Ревизия весов: b9dcbaf