/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
2 мар 2022

distilbert-imdb

Классификация текстаТекст → label3 профессии

Дообученная на IMDb модель DistilBERT для классификации тональности отзывов о фильмах.

25 152скачиваний за 30 дней25лайковвеса обновлены25 янв 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

lvwerra/distilbert-imdb — модель классификации текста на базе DistilBERT, дообученная автором репозитория на наборе данных IMDb. Она предназначена для определения тональности отзывов о фильмах: на оценочном наборе автор сообщает точность 0,928 и значение функции потерь 0,1903. Модель принимает текст и выдаёт метку класса; контекст ограничен 512 токенами. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0. README не приводит дополнительных сведений о тренировочных данных и ограничениях применения.

Сценарии применения

  • Определение положительной или отрицательной тональности отзыва о фильме
  • Автоматическая сортировка отзывов IMDb по тональности
  • Анализ настроений в англоязычных пользовательских рецензиях

Ограничения

Модель обучена на отзывах IMDb, поэтому её качество на других типах текстов может быть ниже. Контекст ограничен 512 токенами.

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

distilbert-imdb

This model is a fine-tuned version of distilbert-base-uncased on the imdb dataset (training notebook is here). It achieves the following results on the evaluation set:

  • Loss: 0.1903
  • Accuracy: 0.928

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: 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: 1

Training results

Training LossEpochStepValidation LossAccuracy
0.21951.015630.19030.928

Framework versions

  • Transformers 4.15.0
  • Pytorch 1.10.0+cu111
  • Datasets 1.17.0
  • Tokenizers 0.10.3

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
DistilBertForSequenceClassification
Ревизия весов
0fc02cd

0 моделей