Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-japanese-v3
Опубликована: 7 ноя 2023

Ссылки

Hugging Face

bert-japanese-food-classification

michamcs

Классификация текстаТекст → label3 профессии

Дообученная японская BERT-модель для классификации текстов о японской еде.

110скачиваний за 30 дней0лайковвеса обновлены7 ноя 2023

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

michamcs/bert-japanese-food-classification — дообученная модель BERT, разработанная на базе cl-tohoku/bert-base-japanese-v3 для классификации текстов о японской еде. Она предназначена для отнесения входного текста к классам, связанным с японской кухней. Модель содержит 138,4 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

В карточке приведён результат оценки: accuracy 0,9261 и loss 0,3337; состав классов и данные оценки не описаны. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не раскрывает подробностей о разметке, обучающих данных и ограничениях применения.

Сценарии применения

Классификация текстовых упоминаний японских блюд
Разметка отзывов о японской еде по категориям
Автоматическая категоризация описаний японской кухни

Ограничения

В карточке не описаны классы, обучающие данные и методика оценки, поэтому приведённую точность нельзя интерпретировать для конкретных сценариев. Максимальная длина входа составляет 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

test_trainer

This model is a fine-tuned version of cl-tohoku/bert-base-japanese-v3 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3337
Accuracy: 0.9261

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	399	0.2528	0.9135
0.3478	2.0	798	0.2996	0.9261
0.2034	3.0	1197	0.3337	0.9261

Framework versions

Transformers 4.35.0
Pytorch 2.1.0
Datasets 2.14.6
Tokenizers 0.14.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForSequenceClassification
Ревизия весов: cc2c58c