Характеристики

Контекст: 512 токенов
Параметры: 4,4 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Опубликована: 1 авг 2022

Ссылки

Hugging Face

bert-tiny-finetuned-glue-rte

muhtasham

Классификация текстаТекст → label3 профессии

Компактная модель BERT для классификации пар текста в задаче определения логического следования на наборе GLUE RTE.

54скачиваний за 30 дней1лайквеса обновлены6 авг 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

muhtasham/bert-tiny-finetuned-glue-rte — модель классификации текстовых последовательностей, созданная дообучением google/bert_uncased_L-2_H-128_A-2 на наборе данных GLUE для задачи RTE. Она предназначена для определения того, следует ли гипотеза из данного текста. Архитектура — компактный BERT с 4,4 млн параметров и контекстом до 512 токенов; доступны веса PyTorch и Safetensors.

На оценочной выборке GLUE модель показала accuracy 0,6318 и loss 0,6673. Лицензия Apache-2.0. Карточка не описывает дополнительные сценарии применения и ограничения; качество на указанной оценке может не переноситься на другие данные.

Сценарии применения

определение, следует ли гипотеза из текста
классификация пар «посылка — гипотеза»
оценка текстового логического следования

Ограничения

На оценочной выборке GLUE указана точность 0,6318; результаты на других данных не приведены. Карточка не описывает дополнительные ограничения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-tiny-finetuned-glue-rte

This model is a fine-tuned version of google/bert_uncased_L-2_H-128_A-2 on the glue dataset. It achieves the following results on the evaluation set:

Loss: 0.6673
Accuracy: 0.6318

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: 2.4294744851376705e-05
train_batch_size: 64
eval_batch_size: 16
seed: 8
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	156	0.6852	0.5776
No log	2.0	312	0.6800	0.5993
No log	3.0	468	0.6737	0.6173
0.6845	4.0	624	0.6690	0.6101
0.6845	5.0	780	0.6673	0.6318

Framework versions

Transformers 4.21.0
Pytorch 1.12.0+cu113
Datasets 2.4.0
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: BertForSequenceClassification
Ревизия весов: a9b2af7