/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlmRobertaLarge_BIES_stem_1K_2
Опубликована
22 июл 2024

xlmRobertaLarge_BIES_stem_1K_3

Разметка токеновТекст → label

Дообученная XLM-RoBERTa large для присвоения меток токенам в тексте.

5скачиваний 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/xlmRobertaLarge_BIES_stem_1K_3 — модель XLM-RoBERTa large, дообученная автором khadija69 на основе khadija69/xlmRobertaLarge_BIES_stem_1K_2 для классификации токенов. Она принимает текст и присваивает метки его токенам; карточка не уточняет назначение меток и обучающий датасет. Модель содержит 658,7 млн параметров, имеет контекст длиной 514 токенов и опубликована в формате TensorFlow.

На указанном наборе оценки модель достигла точности 0,6028 при потерях 0,6305; обучающая точность составила 0,6344. Лицензия — MIT. Карточка не описывает конкретные языки, сценарии применения или ограничения качества.

Сценарии применения

  • классификация токенов в тексте
  • разметка последовательностей текста
  • извлечение размеченных фрагментов текста

Ограничения

Назначение меток, обучающий датасет и конкретные области применения не описаны. На оценочном наборе указана точность 0,6028; переносимость на другие данные не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/xlmRobertaLarge_BIES_stem_1K_3

This model is a fine-tuned version of khadija69/xlmRobertaLarge_BIES_stem_1K_2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.3485
  • Train Accuracy: 0.6344
  • Validation Loss: 0.6305
  • Validation Accuracy: 0.6028
  • 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
0.66030.57880.60300.59230
0.60160.58780.60960.58981
0.51370.60470.60970.59742
0.44980.61340.61310.59653
0.39090.62700.61650.60164
0.34850.63440.63050.60285

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
e9bd0fe

0 моделей