Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: M365_h1_retrained_v5
Библиотека: transformers
Опубликована: 2 дек 2024

Ссылки

Hugging Face

M365_h1_retrained_v6

marklicata

Классификация текстаТекст → label

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

9скачиваний 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_v6 — модель классификации текста на базе DistilBERT, дообученная на marklicata/M365_h1_retrained_v5. В карточке указана оценка loss 0.0000 на наборе для оценки, но сведения о метках и содержании данных не приведены.

Модель предназначена для классификации текстовых последовательностей; контекст составляет до 512 токенов. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0. Из-за отсутствия описания классов, данных и предназначенных сценариев область применения и качество классификации оценить нельзя.

Сценарии применения

Классификация текстовых последовательностей при известной схеме меток
Автоматическая разметка текста в собственном конвейере классификации
Классификация коротких фрагментов текста длиной до 512 токенов

Ограничения

Не описаны классы, обучающие данные и целевые сценарии; приведённое значение loss 0.0000 само по себе не позволяет оценить качество модели. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

M365_h1_retrained_v6

This model is a fine-tuned version of marklicata/M365_h1_retrained_v5 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	74
No log	2.0	148
No log	3.0	222

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: bf0d756