Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: M365_h1_retrained_v1
Библиотека: transformers
Опубликована: 2 дек 2024

Ссылки

Hugging Face

M365_h1_retrained_v2

marklicata

Классификация текстаТекст → label

Дообученная модель DistilBERT для классификации текста с контекстом до 512 токенов.

4скачиваний за 30 дней0лайковвеса обновлены2 дек 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/M365_h1_retrained_v2 — дообученная модель DistilBERT для классификации текста, созданная на основе marklicata/M365_h1_retrained_v1. Она принимает текст и выдаёт результат классификации. В карточке указано дообучение на наборе данных None и значение потерь 0,0000 на оценочном наборе, но описание не раскрывает классы, назначение и методику оценки. Модель использует архитектуру DistilBertForSequenceClassification, формат safetensors и контекст до 512 токенов. Лицензия — Apache-2.0.

Сценарии применения

классификация коротких текстов
отнесение текста к заданным категориям
автоматическая разметка текстовых записей

Ограничения

Назначение классов и целевая область применения не описаны. Результат Loss 0,0000 приведён без сведений о наборе данных и методике оценки, поэтому он не позволяет судить о качестве на новых данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

M365_h1_retrained_v2

This model is a fine-tuned version of marklicata/M365_h1_retrained_v1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0000

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
No log	1.0	92
No log	2.0	184
No log	3.0	276

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: 8603718