/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Опубликована
21 июл 2024

xlmRobertaLarge_BIES_stem_1K_1

Разметка токеновТекст → label5 профессий

Дообученная XLM-RoBERTa large для классификации и разметки токенов в тексте.

12скачиваний 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 версия FacebookAI/xlm-roberta-large от khadija69 для классификации токенов. Модель размечает последовательность текста по токенам; обозначение BIES в названии может указывать на схему меток, но README не описывает её назначение и классы.

Сценарии применения

  • разметка токенов в последовательностях текста
  • извлечение сущностей при наличии подходящей схемы меток
  • применение пользовательской токеновой разметки после проверки меток модели

Ограничения

README не описывает набор меток, обучающие данные или предполагаемую область применения. На указанном наборе оценки точность на валидации составила 0,5532; пригодность для конкретной разметки следует проверять отдельно.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/xlmRobertaLarge_BIES_stem_1K_1

This model is a fine-tuned version of FacebookAI/xlm-roberta-large on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.5357
  • Train Accuracy: 0.6339
  • Validation Loss: 0.8846
  • Validation Accuracy: 0.5532
  • 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
1.45670.38461.06870.48690
0.98650.51970.93330.52361
0.82710.55830.92260.53392
0.70630.58830.88380.54853
0.61150.61310.90360.54654
0.53570.63390.88460.55325

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
XLMRobertaForTokenClassification
Ревизия весов
66cab3c

0 моделей