/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
mdebertaV3_BIES_stem_1K_2
Опубликована
21 июл 2024

mdebertaV3_BIES_stem_1K_3

Разметка токеновТекст → label3 профессии

Дообученная DeBERTa v2 для классификации токенов в последовательностях длиной до 512 токенов.

9скачиваний за 30 дней0лайковвеса обновлены22 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

khadija69/mdebertaV3_BIES_stem_1K_3 — модель классификации токенов на базе архитектуры DeBERTa v2 с 306 млн параметров. Разработчик дообучил её на khadija69/mdebertaV3_BIES_stem_1K_2; в README указан неизвестный набор данных и приведены результаты за 5 эпох: точность на обучающей выборке 0,6116, на валидационной — 0,5791.

Модель предназначена для присвоения меток отдельным токенам последовательности. Контекст составляет до 512 токенов. Веса представлены в формате TensorFlow, лицензия — MIT. README не раскрывает назначение меток BIES, область применения или языки данных, поэтому практическую специализацию модели установить нельзя.

Сценарии применения

  • присвоение меток токенам в тексте
  • эксперименты с разметкой последовательностей
  • оценка качества классификатора токенов

Ограничения

Назначение меток, обучающий набор данных и поддерживаемые языки не описаны. В README указана точность валидации 0,5791.

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

khadija69/mdebertaV3_BIES_stem_1K_3

This model is a fine-tuned version of khadija69/mdebertaV3_BIES_stem_1K_2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.5184
  • Train Accuracy: 0.6116
  • Validation Loss: 0.7425
  • Validation Accuracy: 0.5791
  • 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
0.83560.53410.73600.57440
0.77220.54830.71820.57741
0.69280.56620.71920.57872
0.62490.58440.73040.58033
0.56620.60020.73350.57994
0.51840.61160.74250.57915

Framework versions

  • Transformers 4.42.3
  • 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
eb2a162

0 моделей