/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
mdebertaV3_BIES_stem_1K
Опубликована
21 июл 2024

mdebertaV3_BIES_stem_1K_2

Разметка токеновТекст → label

Дообученная DeBERTa V3 на 306 млн параметров для присвоения меток токенам в текстовых последовательностях.

9скачиваний за 30 дней0лайковвеса обновлены21 июл 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

Это дообученная модель DeBERTa V3 для классификации токенов, разработанная на основе khadija69/mdebertaV3_BIES_stem_1K. Модель содержит 306 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате TensorFlow.

Модель предназначена для присвоения меток отдельным токенам в последовательности. В README указаны результаты обучения за пять эпох: точность на обучающей выборке 0,6094 и на валидационной 0,5650; название и состав набора данных не приведены. Лицензия — MIT.

Сценарии применения

  • классификация токенов в тексте
  • разметка последовательностей метками BIES
  • извлечение структурированных элементов из текста

Ограничения

Назначение конкретных меток, обучающий датасет и поддерживаемые языки в карточке не описаны. Точность на валидационной выборке составляет 0,5650.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/mdebertaV3_BIES_stem_1K_2

This model is a fine-tuned version of khadija69/mdebertaV3_BIES_stem_1K on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.6204
  • Train Accuracy: 0.6094
  • Validation Loss: 0.8102
  • Validation Accuracy: 0.5650
  • Epoch: 5

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'transformers.optimization_tf', 'class_name': 'WarmUp', 'config': {'initial_learning_rate': 2e-05, 'decay_schedule_fn': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 1300, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'warmup_steps': 500, 'power': 1.0, 'name': None}, 'registered_name': 'WarmUp'}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossTrain AccuracyValidation LossValidation AccuracyEpoch
1.03340.50380.90770.53530
0.92280.52970.84420.54721
0.81890.55640.81320.55752
0.73520.57920.80030.56233
0.66570.59710.79760.56494
0.62040.60940.81020.56505

Framework versions

  • Transformers 4.42.4
  • TensorFlow 2.15.0
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
DebertaV2ForTokenClassification
Ревизия весов
90716e6

0 моделей