/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-spanish-wwm-cased
Опубликована
2 мая 2024

final-ft__bert-base-spanish-wwm-cased__70k-ultrasounds

Заполнение пропусковТекст → текст3 профессии

Дообученная испаноязычная модель BERT для предсказания пропущенных слов в тексте.

9скачиваний за 30 дней0лайковвеса обновлены2 мая 2024

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

Модель manucos/final-ft__bert-base-spanish-wwm-cased__70k-ultrasounds — дообученная версия испаноязычной BERT-модели BETO от dccuchile. Это плотная трансформерная модель с 137,1 млн параметров, предназначенная для предсказания пропущенных токенов в тексте (fill-mask); максимальная длина контекста составляет 512 токенов. Карточка сообщает о результате Loss 0,5227 на наборе оценки, но не раскрывает данные обучения и подробности оценки. Модель принимает текст и выдаёт вероятности токенов для заполнения маски. Лицензия в предоставленных данных не указана.

Сценарии применения

  • подстановка пропущенного слова в испанском предложении
  • оценка вероятных вариантов заполнения маски в тексте
  • анализ контекстных связей между словами в испанском тексте

Ограничения

Карточка не описывает обучающий набор и подробности оценки, поэтому результат Loss 0,5227 трудно интерпретировать. Модель предназначена для заполнения масок, а не для генерации свободного текста.

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

final-ft__bert-base-spanish-wwm-cased__70k-ultrasounds

This model is a fine-tuned version of dccuchile/bert-base-spanish-wwm-cased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5227

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: 64
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
No log1.02760.9156
No log2.05520.7658
No log3.08280.7083
0.97084.011040.6710
0.97085.013800.6380
0.97086.016560.6119
0.97087.019320.6025
0.66128.022080.5752
0.66129.024840.5708
0.661210.027600.5680
0.661211.030360.5425
0.601312.033120.5635
0.601313.035880.5386
0.601314.038640.5476
0.601315.041400.5458
0.567516.044160.5345
0.567517.046920.5350
0.567518.049680.5280
0.567519.052440.5260
0.554920.055200.5227

Framework versions

  • Transformers 4.40.1
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
4b88268

0 моделей