/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
23 мар 2023

gpt2-imdb-sentiment-classifier

Классификация текстаТекст → label3 профессии

Дообученная GPT-2 для определения тональности англоязычных отзывов о фильмах из IMDb.

165скачиваний за 30 дней6лайковвеса обновлены23 мар 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

mnoukhov/gpt2-imdb-sentiment-classifier — дообученная на наборе IMDb модель на базе GPT-2 для классификации тональности отзывов о фильмах. Она использует архитектуру GPT2ForSequenceClassification, работает с текстом и имеет контекст длиной до 1024 токенов. На указанной в карточке оценочной выборке модель показала точность 0,9394 и loss 0,1703; автор сопоставляет её с distilbert-imdb и сообщает о немного лучших результатах по этим двум метрикам. Модель распространяется по лицензии MIT. Оценки относятся к IMDb и сами по себе не подтверждают качество на других темах или типах текста.

Сценарии применения

  • определение положительной или отрицательной тональности отзыва о фильме
  • автоматическая разметка отзывов из IMDb
  • сравнение отзывов по эмоциональной оценке

Ограничения

Оценочные результаты приведены для IMDb; качество на других доменах не подтверждено. Контекст ограничен 1024 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt2-imdb-sentiment-classifier

This model is a fine-tuned version of gpt2 on the imdb dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1703
  • Accuracy: 0.9394

Model description

More information needed

Intended uses & limitations

This is comparable to distilbert-imdb and trained with exactly the same script

It achieves slightly lower loss (0.1703 vs 0.1903) and slightly higher accuracy (0.9394 vs 0.928)

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossAccuracy
0.19671.015630.17030.9394

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.13.1+cu117
  • Datasets 2.9.0
  • Tokenizers 0.12.1

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
GPT2ForSequenceClassification
Ревизия весов
b3d8341

0 моделей