/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,4 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
5 янв 2023

tiny-mlm-glue-stsb

Заполнение пропусковТекст → текст3 профессии

Компактная дообученная BERT-модель для предсказания замаскированных слов в тексте.

8скачиваний за 30 дней1лайквеса обновлены5 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-stsb — компактная модель семейства BERT, дообученная автором на основе google/bert_uncased_L-2_H-128_A-2. Она предназначена для задачи fill-mask: предсказывает замаскированные токены в тексте. Модель содержит 4,4 млн параметров, использует архитектуру BertForMaskedLM и контекст до 512 токенов; доступна в формате PyTorch.

В карточке указано значение loss 3,7830 на оценочном наборе, но набор данных обозначен как None, поэтому результат сложно интерпретировать. Лицензия — Apache-2.0. Описание не уточняет целевые сценарии и ограничения, а модель на базе uncased BERT рассчитана на текст без различения регистра.

Сценарии применения

  • подстановка пропущенного слова в предложении
  • предсказание замаскированного токена для анализа текста
  • проверка контекстных вариантов слова

Ограничения

Метрика loss приведена для набора данных, обозначенного как None, поэтому её трудно интерпретировать. Базовая uncased BERT-модель не различает регистр букв.

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-stsb

This model is a fine-tuned version of google/bert_uncased_L-2_H-128_A-2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.7830

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
  • num_epochs: 200

Training results

Training LossEpochStepValidation Loss
4.75480.75003.9253
4.45351.3910003.9069
4.3642.0915003.8392
4.15342.7820003.7830
4.23173.4825003.7450
4.12334.1730003.7755
4.03834.8735003.7060
4.04595.5640003.8708
3.93216.2645003.8573
4.02066.9550003.7830

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
9facc4f

0 моделей