Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: KA_retrained_v1
Библиотека: transformers
Опубликована: 21 ноя 2024

Ссылки

Hugging Face

KA_retrained_v2

marklicata

Классификация текстаТекст → label

Дообученная на DistilBERT модель для классификации текстовых последовательностей длиной до 512 токенов.

7скачиваний за 30 дней0лайковвеса обновлены22 ноя 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

KA_retrained_v2 — дообученная marklicata модель классификации текстовых последовательностей на архитектуре DistilBERT. Она предназначена для присвоения тексту классов и может использоваться в сценариях, где требуется автоматическая категоризация текстовых данных. Модель принимает текст и выдаёт метки классификации; максимальная длина контекста — 512 токенов.

В карточке приведён результат оценки: loss 0,5609, однако набор данных, схема классов и подробности обучения не описаны. Модель распространяется в формате Safetensors и под лицензией Apache-2.0.

Сценарии применения

автоматическая категоризация коротких текстов
присвоение меток текстовым сообщениям
классификация текстовых последовательностей длиной до 512 токенов

Ограничения

В README не описаны набор данных, классы и предполагаемые сценарии применения; указано только значение loss 0,5609 на оценочном наборе. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KA_retrained_v2

This model is a fine-tuned version of marklicata/KA_retrained_v1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.5609

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: 8
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	140	0.8179
No log	2.0	280	0.6552
No log	3.0	420	0.5609

Framework versions

Transformers 4.46.3
Pytorch 2.5.1+cpu
Datasets 3.1.0
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: ce0d6c4