/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlmRobertaLarge_BIES_stem_1K_4
Опубликована
2 авг 2024

xlmRobertaLarge_BIES_stem_1K_5

Разметка токеновТекст → label

Дообученная XLM-RoBERTa Large для присвоения меток токенам в текстовой последовательности.

9скачиваний за 30 дней0лайковвеса обновлены2 авг 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 на архитектуре XLM-RoBERTa Large, предназначенная для классификации токенов в последовательности текста. Она продолжает обучение модели khadija69/xlmRobertaLarge_BIES_stem_1K_4 и содержит около 658,7 млн параметров; доступна в формате TensorFlow и имеет контекст до 514 токенов. Репозиторий распространяется по лицензии MIT.

В карточке приведены результаты пятой эпохи: точность на обучающей выборке — 0,6422, на валидационной — 0,5658. Датасет и конкретная схема меток не описаны, поэтому назначение меток и пригодность для конкретной предметной области по этим данным определить нельзя.

Сценарии применения

  • присвоение меток отдельным словам и токенам в тексте
  • извлечение сущностей или фрагментов по меткам, если они представлены в обучающих данных
  • разметка последовательностей текста по пользовательской схеме тегов

Ограничения

Датасет и схема меток не указаны. В карточке точность на валидационной выборке составляет 0,5658; обобщающая способность за пределами этой выборки не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

khadija69/xlmRobertaLarge_BIES_stem_1K_5

This model is a fine-tuned version of khadija69/xlmRobertaLarge_BIES_stem_1K_4 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.2523
  • Train Accuracy: 0.6422
  • Validation Loss: 0.8771
  • Validation Accuracy: 0.5658
  • 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
0.79680.51390.71480.55490
0.70210.52520.72080.55921
0.55470.56020.79980.55312
0.42350.60010.82390.56283
0.31370.62550.86640.56274
0.25230.64220.87710.56585

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
7425838

0 моделей