Характеристики

Контекст: 512 токенов
Параметры: 12,6 млн
Архитектура: bert · dense
Опубликована: 21 июн 2022

Ссылки

Hugging Face

tiny_focal_ckpt

kktoto

Разметка токеновТекст → label3 профессии

Компактная BERT-модель для классификации токенов во входном тексте.

18скачиваний за 30 дней0лайковвеса обновлены21 июн 2022

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

kktoto/tiny_focal_ckpt — модель для классификации токенов на основе архитектуры BERT, обученная разработчиком с нуля. Она содержит 12,6 млн параметров и обрабатывает последовательности длиной до 512 токенов. Метрики на оценочном наборе: F1 — 0,6446, точность — 0,9516, полнота — 0,6366.

Модель предназначена для задач разметки отдельных токенов во входном тексте. Данные обучения неизвестны, поэтому нельзя определить конкретную схему разметки или область применения. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют.

Сценарии применения

разметка токенов в последовательностях текста
классификация отдельных слов или фрагментов текста по классам

Ограничения

Датасет и схема меток не описаны, поэтому область применения и языковую поддержку определить нельзя. На оценочном наборе F1 составляет 0,6446, а полнота — 0,6366.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

tiny_focal_ckpt

This model was trained from scratch on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0561
Precision: 0.6529
Recall: 0.6366
F1: 0.6446
Accuracy: 0.9516

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:

learning_rate: 3e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.058	1.0	5561	0.0583	0.6327	0.5945	0.6130	0.9484
0.0566	2.0	11122	0.0570	0.6401	0.5985	0.6186	0.9492
0.0564	3.0	16683	0.0567	0.6364	0.6241	0.6302	0.9496
0.053	4.0	22244	0.0561	0.6416	0.6312	0.6364	0.9503
0.052	5.0	27805	0.0558	0.6501	0.6239	0.6367	0.9510
0.0507	6.0	33366	0.0555	0.6555	0.6208	0.6377	0.9514
0.0497	7.0	38927	0.0552	0.6559	0.6256	0.6404	0.9515
0.0485	8.0	44488	0.0561	0.6485	0.6397	0.6440	0.9513
0.0481	9.0	50049	0.0558	0.6531	0.6344	0.6436	0.9515
0.0469	10.0	55610	0.0561	0.6529	0.6366	0.6446	0.9516

Framework versions

Transformers 4.20.0
Pytorch 1.11.0+cu113
Datasets 2.3.2
Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: 30688a3