Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 15 апр 2022

Ссылки

Hugging Face

REA_GenderIdentification_v1

malcolm

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT для классификации текста, предназначенная, судя по названию, для определения гендера по тексту.

8скачиваний за 30 дней6лайковвеса обновлены15 апр 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

REAGenderIdentificationv1 — дообученная модель DistilBERT для классификации текста, разработчик — malcolm. В карточке указаны результаты оценки: accuracy 0,8798 и F1 0,8522; название модели предполагает задачу определения гендера по тексту, однако карточка не описывает классы, метод разметки или сценарии применения.

Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку классификации. Максимальная длина контекста — 512 токенов. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

определение гендера автора по текстовому сообщению
классификация коротких текстов по гендерным категориям
эксперименты с классификацией текста на базе DistilBERT

Ограничения

Карточка не описывает обучающие данные, состав классов и ограничения применения; оценочные метрики сами по себе не показывают качество на новых данных. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей 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

REA_GenderIdentification_v1

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3366
Accuracy: 0.8798
F1: 0.8522

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: 2e-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: 2

Training results

Framework versions

Transformers 4.18.0
Pytorch 1.10.0+cu111
Datasets 2.1.0
Tokenizers 0.12.1

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: 49ddc67