/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
beto-clinical-wl-es
Опубликована
30 апр 2024

final-ft__beto-clinical-wl-es__70k-ultrasounds

Заполнение пропусковТекст → текст3 профессии

Дообученная испаноязычная BERT-модель для предсказания скрытых слов в клинических текстах, включая материалы об ультразвуковых исследованиях.

8скачиваний за 30 дней0лайковвеса обновлены30 апр 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

Это дообученная испаноязычная BERT-модель для предсказания скрытых слов в клинических текстах, разработанная на основе plncmm/beto-clinical-wl-es. Модель содержит 137,1 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Название репозитория указывает на настройку для ультразвуковых исследований, однако README не уточняет состав и характеристики обучающих данных.

Модель подходит для заполнения пропусков в испаноязычных клинических текстах, в том числе связанных с ультразвуком. В README приведено значение loss 0,5271 на оценочном наборе, но описание набора и методики оценки отсутствует. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Заполнение пропусков в испаноязычных клинических записях
  • Восстановление скрытых слов в медицинских текстах об ультразвуке
  • Адаптация masked language modeling для клинических текстов на испанском

Ограничения

README не раскрывает обучающие данные, их объём и методику оценки; указанное значение loss 0,5271 нельзя интерпретировать без этих сведений. Применимость за пределами испаноязычных клинических текстов и ультразвуковой тематики не подтверждена.

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__beto-clinical-wl-es__70k-ultrasounds

This model is a fine-tuned version of plncmm/beto-clinical-wl-es on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5271

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 log1.02540.8908
No log2.05080.7526
No log3.07620.6801
0.90114.010160.6608
0.90115.012700.6265
0.90116.015240.6014
0.90117.017780.5934
0.64338.020320.5762
0.64339.022860.5650
0.643310.025400.5667
0.643311.027940.5629
0.589912.030480.5446
0.589913.033020.5390
0.589914.035560.5454
0.589915.038100.5270
0.562516.040640.5277
0.562517.043180.5387
0.562518.045720.5206
0.562519.048260.5150
0.550820.050800.5271

Framework versions

  • Transformers 4.40.0
  • 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
ceee61a

0 моделей