Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: M365_h1_retrained_v2
Библиотека: transformers
Опубликована: 2 дек 2024

Ссылки

Hugging Face

M365_h1_retrained_v3

marklicata

Классификация текстаТекст → label

Дообученная на базе DistilBERT модель для классификации текстовых последовательностей.

6скачиваний 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

M365_h1_retrained_v3 — модель классификации текста на базе DistilBERT, дообученная marklicata на основе marklicata/M365_h1_retrained_v2. Она предназначена для классификации текстовых последовательностей; README не раскрывает конкретные классы, сценарии применения и данные обучения. Модель принимает текст, поддерживает контекст до 512 токенов и опубликована в формате safetensors для библиотеки Transformers. Указана лицензия Apache-2.0.

Сценарии применения

классификация текстовых последовательностей
присвоение меток текстовым данным
встраивание классификации текста в приложение на Transformers

Ограничения

README не описывает целевые классы, обучающие данные и результаты, кроме нулевого значения loss на оценочном наборе; назначение модели для конкретной предметной области не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

M365_h1_retrained_v3

This model is a fine-tuned version of marklicata/M365_h1_retrained_v2 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	83
No log	2.0	166
No log	3.0	249

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: 5521037