Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: beto-clinical-wl-es
Опубликована: 23 апр 2024

Ссылки

finetunedbeto-clinical-wl-esaugmented-ultrasounds

Заполнение пропусковТекст → текст

Испаноязычная BERT-модель для предсказания скрытых слов в клинических текстах, дообученная на базе plncmm/beto-clinical-wl-es.

20скачиваний за 30 дней0лайковвеса обновлены23 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

manucos/finetuned__beto-clinical-wl-es__augmented-ultrasounds — испаноязычная модель BERT, дообученная на базе plncmm/beto-clinical-wl-es. Она предназначена для заполнения пропусков в клинических текстах на испанском языке; в названии указаны дополненные данные ультразвуковых исследований, но карточка не раскрывает состав датасета или специализацию модели на конкретных видах УЗИ.

Архитектура — BertForMaskedLM, размер — 137,1 млн параметров, контекст — 512 токенов; веса представлены в формате safetensors. В README приведено значение loss 0,5568 на оценочной выборке, без описания методики оценки и данных. Лицензия в предоставленных сведениях не указана.

Сценарии применения

восстановление пропущенных слов в клинических записях на испанском языке
подстановка маскированных терминов в медицинских текстах
проверка языковых моделей на клиническом корпусе испанского языка

Ограничения

README не описывает обучающие данные, intended uses или ограничения; упоминание дополненных ультразвуковых данных есть только в названии модели. Метрика loss 0,5568 приведена без подробностей об оценочном наборе и методике.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

finetunedbeto-clinical-wl-esaugmented-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: 0.5568

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: 128
eval_batch_size: 128
seed: 42
gradient_accumulation_steps: 2
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 Loss	Epoch	Step	Validation Loss
No log	1.0	219	0.9163
1.1213	2.0	438	0.7814
1.1213	3.0	657	0.7215
0.7651	4.0	876	0.6875
0.7651	5.0	1095	0.6477
0.6904	6.0	1314	0.6291
0.6904	7.0	1533	0.6319
0.6449	8.0	1752	0.6108
0.6449	9.0	1971	0.5970
0.6212	10.0	2190	0.5840
0.6212	11.0	2409	0.5727
0.6036	12.0	2628	0.5873
0.6036	13.0	2847	0.5697
0.5864	14.0	3066	0.5572
0.5864	15.0	3285	0.5631
0.5786	16.0	3504	0.5559
0.5786	17.0	3723	0.5769
0.5709	18.0	3942	0.5472
0.5709	19.0	4161	0.5518
0.5708	20.0	4380	0.5568

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: 6efb912