tiny-bert-sst2-distilled
Компактная модель BERT для классификации тональности текста, связанная с задачей SST-2.
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
lupinlevorace опубликовал компактную модель на основе BERT для классификации текста. Репозиторий указывает задачу text-classification; размер составляет 4,4 млн параметров, архитектура — BertForSequenceClassification, максимальная длина контекста — 512 токенов.
Название и сведения в конфигурации токенизатора связывают модель с SST-2 и базовой моделью textattack/bert-base-uncased-SST-2. Это позволяет использовать её для классификации тональности англоязычных текстов, например отзывов. В карточке нет подробного описания оценки качества или условий лицензии, поэтому их нельзя надёжно охарактеризовать.
Сценарии применения
- Определение тональности англоязычных отзывов
- Классификация коротких текстов как положительных или отрицательных
- Анализ тональности комментариев и пользовательских откликов
Ограничения
Связь с SST-2 указывает на задачу бинарной классификации тональности, поэтому модель не предназначена для универсальной классификации произвольных категорий. В доступной карточке нет результатов оценки качества и сведений о лицензии.
Для каких профессий подходит4
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- db7e67b