/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
mdeberta-v3-base
Опубликована
30 мая 2024

mdeberta_ASE_kgl_large

Разметка токеновТекст → label

Дообученная на базе mDeBERTa V3 модель для присвоения меток отдельным токенам текста.

10скачиваний за 30 дней0лайковвеса обновлены30 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

khadija69/mdeberta_ASE_kgl_large — дообученная Khadija69 модель Microsoft mDeBERTa V3 Base для классификации токенов в тексте. Она подходит для задач разметки отдельных слов и фрагментов, например извлечения сущностей или присвоения меток токенам, если схема разметки и данные соответствуют задаче. Модель содержит 306 млн параметров, имеет контекстное окно 512 токенов и опубликована в формате TensorFlow.

В карточке указаны потери на обучающей выборке 0,2231 и на проверочной выборке 0,3309 после пяти эпох. Датасет, конкретная схема меток и результаты прикладной оценки не описаны, поэтому качество для конкретного сценария следует проверять отдельно. Базовая модель многоязычная, однако языки и основное назначение дообученной версии не уточнены. Лицензия — MIT.

Сценарии применения

  • разметка сущностей в тексте
  • присвоение категорий словам и фрагментам текста
  • извлечение терминов по заданной схеме меток

Ограничения

Датасет и схема меток не описаны, поэтому применимость и качество для конкретной задачи требуют проверки. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/mdeberta_ASE_kgl_large

This model is a fine-tuned version of microsoft/mdeberta-v3-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.2231
  • Validation Loss: 0.3309
  • 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': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 2400, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, '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 LossValidation LossEpoch
0.40190.33770
0.31410.31761
0.28370.33392
0.26350.32823
0.24130.32154
0.22310.33095

Framework versions

  • Transformers 4.39.3
  • TensorFlow 2.15.0
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
9e83f06

0 моделей