/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
mdebertaV3_BIES_stem_1K_3
Опубликована
22 июл 2024

mdebertaV3_BIES_stem_1K_4

Разметка токеновТекст → label3 профессии

Дообученная модель DeBERTa V2 для классификации токенов в текстовых последовательностях.

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

Модель khadija69/mdebertaV3_BIES_stem_1K_4 — дообученная версия khadija69/mdebertaV3_BIES_stem_1K_3 на архитектуре DeBERTa V2. Она предназначена для классификации токенов, например для разметки последовательностей текста. Модель содержит 306 млн параметров, принимает текст с контекстом до 512 токенов и опубликована в формате TensorFlow.

В README приведены результаты обучения за 5 эпох: точность на обучающей выборке 0,6271 и на валидационной выборке 0,5913. Датасет и конкретные типы меток не описаны, поэтому применимость к определённой задаче разметки оценить нельзя. Лицензия — MIT.

Сценарии применения

  • разметка токенов в текстовых последовательностях
  • классификация слов и фрагментов текста по меткам

Ограничения

Типы меток, обучающий датасет и предназначенная предметная область не описаны. Точность на валидационной выборке составляет 0,5913, поэтому качество для конкретного сценария требует отдельной проверки.

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_4

This model is a fine-tuned version of khadija69/mdebertaV3_BIES_stem_1K_3 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.4181
  • Train Accuracy: 0.6271
  • Validation Loss: 0.5676
  • Validation Accuracy: 0.5913
  • 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
0.64290.58430.58000.58410
0.59610.59270.58230.58021
0.53140.60650.55850.59012
0.48440.61550.56200.59023
0.44440.62180.56610.58954
0.41810.62710.56760.59135

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
10489a0

0 моделей