/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
Apache 2.0
Архитектура
t5 · dense
Базовая модель
t5-base
Опубликована
18 окт 2023

t5-base_cola_densedense_baseline

Классификация текстаТекст → label3 профессии

Дообученная на GLUE модель T5-base для классификации текстовых последовательностей.

13скачиваний за 30 дней0лайковвеса обновлены18 окт 2023

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 модель классификации текста на базе T5-base, дообученная lukeleeai на наборе GLUE. Она предназначена для классификации текстовых последовательностей; в карточке приведены результаты оценки на тестовом наборе: loss 0,5187 и accuracy 0,8351. Модель содержит 123,8 млн параметров, использует архитектуру T5ForSequenceClassification и принимает контекст до 512 токенов.

Модель сохранена в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не уточняет отдельные сценарии применения и ограничения качества, поэтому результаты оценки не следует считать гарантией для произвольных задач классификации.

Сценарии применения

  • Классификация текстовых последовательностей
  • Оценка качества модели на задачах GLUE
  • Эксперименты с классификацией на архитектуре T5

Ограничения

Карточка не сообщает языки обучающих данных и специальные ограничения применения. Приведённая точность относится только к оценке на указанном наборе и не гарантирует качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

t5-base_cola_densedense_baseline

This model is a fine-tuned version of t5-base on the glue dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5187
  • Accuracy: 0.8351

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: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 128
  • seed: 42
  • distributed_type: tpu
  • num_devices: 2
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 256
  • total_eval_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 20
  • num_epochs: 8

Training results

Training LossEpochStepValidation LossAccuracy
0.51171.49500.50020.7977
0.35592.991000.45750.8207
0.31034.481500.44660.8255
0.29285.972000.50510.8303
0.20857.462500.51870.8351

Framework versions

  • Transformers 4.33.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForSequenceClassification
Ревизия весов
8230361

0 моделей