Характеристики

Контекст: 512 токенов
Параметры: 12,6 млн
Архитектура: bert · dense
Опубликована: 25 июн 2022

Ссылки

Hugging Face

tiny_focal_v3

kktoto

Разметка токеновТекст → label3 профессии

Компактная модель BERT для присвоения меток токенам текста.

15скачиваний за 30 дней0лайковвеса обновлены25 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_v3 — модель для классификации токенов на основе архитектуры BERT, обученная автором с нуля на неизвестном наборе данных. Она предназначена для присвоения меток отдельным токенам текста; конкретная схема разметки и прикладные сценарии в карточке не описаны. Модель содержит 12,6 млн параметров, принимает текст с контекстом до 512 токенов и опубликована в формате PyTorch.

В README приведены метрики на оценочной выборке: loss 0,0023, precision 0,6975, recall 0,6822, F1 0,6898 и accuracy 0,9515. Из-за отсутствия сведений о датасете, метках и методике оценки эти результаты сложно интерпретировать и переносить на другие данные. Лицензия и языки модели в доступных сведениях не указаны.

Сценарии применения

разметка токенов в тексте по заданным классам
выделение фрагментов текста с помощью покомпонентных меток
эксперименты с классификацией токенов в Transformers

Ограничения

Датасет, схема меток, поддерживаемые языки и лицензия не описаны; приведённые метрики без контекста оценки не показывают ожидаемое качество на новых данных.

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_v3

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

Loss: 0.0023
Precision: 0.6975
Recall: 0.6822
F1: 0.6898
Accuracy: 0.9515

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
0.004	1.0	5561	0.0032	0.6900	0.6102	0.6477	0.9454
0.0032	2.0	11122	0.0028	0.6901	0.6406	0.6644	0.9477
0.0029	3.0	16683	0.0026	0.6956	0.6509	0.6725	0.9490
0.0025	4.0	22244	0.0025	0.6838	0.6764	0.6801	0.9493
0.0024	5.0	27805	0.0024	0.6954	0.6715	0.6832	0.9504
0.0023	6.0	33366	0.0024	0.7125	0.6524	0.6811	0.9512
0.0021	7.0	38927	0.0023	0.6999	0.6748	0.6872	0.9514
0.0019	8.0	44488	0.0024	0.6962	0.6820	0.6890	0.9513
0.0019	9.0	50049	0.0023	0.7005	0.6775	0.6888	0.9516
0.0018	10.0	55610	0.0023	0.6975	0.6822	0.6898	0.9515

Framework versions

Transformers 4.20.1
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: fa1d873