/ Модель

Характеристики

Контекст
512 токенов
Параметры
32,4 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
15 мар 2023

bert-small

ЭмбеддингиТекст → embedding7 профессий

Компактная англоязычная модель BERT для извлечения контекстных векторных представлений текста.

236скачиваний за 30 дней0лайковвеса обновлены15 мар 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

lyeonii/bert-small — компактная англоязычная версия BERT-Small без учёта регистра, первоначально выпущенная Google Research в составе семейства небольших BERT-моделей. Репозиторий содержит конвертированные из TensorFlow в PyTorch веса; архитектура — BertModel, размер — 32,4 млн параметров, максимальный контекст — 512 токенов.

Модель предназначена для получения контекстных векторных представлений текста, которые можно использовать как признаки в NLP-системах. В README приведены результаты оценки на задаче сопоставления предложений MRPC: F1 81,41 и accuracy 70,34. Лицензия репозитория — MIT.

Сценарии применения

  • получение эмбеддингов английских текстов
  • извлечение признаков для NLP-классификаторов
  • подготовка векторных представлений предложений
  • сопоставление пар английских предложений

Ограничения

Модель обучена для английского языка и имеет контекстное окно до 512 токенов. Представленные в README результаты относятся к MRPC и сами по себе не характеризуют качество на других задачах.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERT-Small (uncased)

This is one of 24 smaller BERT models (English only, uncased, trained with WordPiece masking) released by google-research/bert.

These BERT models was released as TensorFlow checkpoints, however, this is the converted version to PyTorch. More information can be found in google-research/bert or lyeoni/convert-tf-to-pytorch.

Evaluation

Here are the evaluation scores (F1/Accuracy) for the MPRC task.

ModelMRPC
BERT-Tiny81.22/68.38
BERT-Mini81.43/69.36
BERT-Small81.41/70.34
BERT-Medium83.33/73.53
BERT-Base85.62/78.19

References

@article{turc2019,
  title={Well-Read Students Learn Better: On the Importance of Pre-training Compact Models},
  author={Turc, Iulia and Chang, Ming-Wei and Lee, Kenton and Toutanova, Kristina},
  journal={arXiv preprint arXiv:1908.08962v2 },
  year={2019}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
d4eb93f

0 моделей