Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: KA_retrained_v4
Библиотека: transformers
Опубликована: 22 ноя 2024

Ссылки

Hugging Face

KA_retrained_v5

marklicata

Классификация текстаТекст → label

Дообученная модель DistilBERT для классификации текстовых последовательностей с контекстом до 512 токенов.

10скачиваний 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

marklicata/KA_retrained_v5 — дообученная marklicata/KA_retrained_v4 модель DistilBERT для классификации текстовых последовательностей. Она принимает текст и возвращает результат классификации. В README приведено значение loss 0,4313 на наборе оценки, но описание назначения и данных для обучения отсутствует.

Модель распространяется в формате Safetensors и рассчитана на контекст до 512 токенов. Лицензия — Apache-2.0. Конкретные классы и области применения по доступным сведениям определить нельзя.

Сценарии применения

Классификация текстовых последовательностей

Ограничения

Назначение классов и данные обучения не описаны; результат loss 0,4313 приведён без сведений о наборе оценки и метрике.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KA_retrained_v5

This model is a fine-tuned version of marklicata/KA_retrained_v4 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.4313

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	51	0.4427
No log	2.0	102	0.4733
No log	3.0	153	0.4313

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: ccec520