/ Модель

Характеристики

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

mdeberta_ASE_kgl_layered_HAndT

Разметка токеновТекст → label4 профессии

Дообученная DeBERTa-v2 для классификации и разметки токенов в тексте.

7скачиваний 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

Это дообученная модель khadija69/mdeberta_ASE_kgl_large для классификации токенов. Она основана на DeBERTa-v2, содержит около 306 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате TensorFlow. В README указаны результаты обучения: эпоха 5, train loss 0,0984 и validation loss 0,2237.

Модель предназначена для разметки отдельных токенов в тексте; конкретная схема меток и целевой сценарий не описаны. Лицензия — MIT.

Сценарии применения

  • разметка токенов по заданным классам
  • извлечение сущностей при наличии подходящей схемы меток
  • классификация фрагментов текста на уровне токенов

Ограничения

Датасет, схема меток и целевая предметная область не описаны, поэтому применимость к конкретным задачам требует проверки. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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/mdeberta_ASE_kgl_layered_HAndT

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

  • Train Loss: 0.0984
  • Validation Loss: 0.2237
  • 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
0.21760.19850
0.17670.18841
0.14550.20812
0.12770.20533
0.11230.21564
0.09840.22375

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
c0b73f0

0 моделей