/ Модель

Характеристики

Контекст
512 токенов
Параметры
1,7 млн
Архитектура
bert · dense
Опубликована
12 янв 2023

tiny-mlm-glue-cola-from-scratch-custom-tokenizer

Заполнение пропусковТекст → текст3 профессии

Небольшая модель BERT для восстановления замаскированных токенов в тексте и экспериментов с заполнением пропусков.

56скачиваний за 30 дней0лайковвеса обновлены12 янв 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/tiny-mlm-glue-cola-from-scratch-custom-tokenizer — небольшая модель BERT для заполнения пропусков в тексте. В метаданных указаны архитектура BertForMaskedLM, 1,7 млн параметров, контекст до 512 токенов и формат PyTorch. Карточка сообщает о дообучении, но не позволяет определить исходную базовую модель и набор данных.

Модель подходит для экспериментов с задачей masked language modeling и восстановления скрытых токенов. В README приведено значение loss 6,2646 на наборе оценки, но подробности оценки отсутствуют. Лицензия не указана в доступных данных.

Сценарии применения

  • восстановление пропущенных слов в предложении
  • эксперименты с задачей masked language modeling
  • проверка работы пользовательского токенизатора с BERT

Ограничения

README не содержит сведений о предназначении, обучающих данных и ограничениях; указанный loss 6,2646 не сопровождается описанием методики оценки. Язык модели и условия лицензии в доступных данных не установлены.

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

tiny-mlm-glue-cola-from-scratch-custom-tokenizer

This model is a fine-tuned version of on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 6.2646

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: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant
  • training_steps: 5000

Training results

Training LossEpochStepValidation Loss
8.26490.475007.5102
7.05020.9410006.8533
6.58341.415006.7023
6.30771.8720006.6566
6.17062.3425006.4929
6.1282.813000nan
6.11353.2735006.3916
5.9643.7440006.2980
5.9674.2145006.2670
5.9014.6850006.2646

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu116
  • Datasets 2.8.1.dev0
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
b6f4d92

0 моделей