Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: M365_h1_retrained_v4
Библиотека: transformers
Опубликована: 2 дек 2024

Ссылки

Hugging Face

M365_h1_retrained_v5

marklicata

Классификация текстаТекст → label

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

12скачиваний 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_v5 — модель классификации текста на архитектуре DistilBERT, дообученная на основе marklicata/M365_h1_retrained_v4. Она предназначена для классификации текстовых последовательностей; конкретные классы и прикладные сценарии в карточке не описаны. Модель принимает текст и выдаёт метки классификации. Контекст — до 512 токенов.

Модель использует библиотеку Transformers и распространяется в формате safetensors. Указана лицензия Apache-2.0. README сообщает о дообучении на наборе данных с названием None и приводит значение loss 0.0000 на оценочной выборке, но не уточняет методику оценки; эти сведения недостаточны для вывода о качестве модели.

Сценарии применения

Классификация текстовых последовательностей
Присвоение меток входящим текстам
Встраивание классификации текста в приложение на Transformers

Ограничения

Карточка не раскрывает набор классов, обучающие данные и методику оценки; указанное значение loss 0.0000 само по себе не позволяет оценить качество. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

M365_h1_retrained_v5

This model is a fine-tuned version of marklicata/M365_h1_retrained_v4 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	76
No log	2.0	152
No log	3.0	228

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: c0987e5