Характеристики

Контекст: 512 токенов
Параметры: 18,8 млн
Архитектура: bert · dense
Опубликована: 7 окт 2023

Ссылки

Hugging Face

gte-small-L3-ingredient-v2

napsternxg

Заполнение пропусковТекст → текст3 профессии

Компактная BERT-модель для предсказания пропущенных токенов в тексте, обученная с нуля на данных об ингредиентах.

13скачиваний за 30 дней0лайковвеса обновлены25 окт 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

napsternxg/gte-small-L3-ingredient-v2 — компактная модель семейства BERT с архитектурой BertForMaskedLM, созданная и опубликованная napsternxg. Модель содержит 18,8 млн параметров, обучена с нуля и рассчитана на заполнение пропусков в тексте с помощью задачи fill-mask. Для её создания в метаданных указан датасет napsternxg/nyt_ingredients; README не раскрывает подробности обучения или назначения модели.

Сценарии применения

подстановка пропущенного названия ингредиента в рецепте
предсказание пропущенных слов в тексте об ингредиентах
проверка контекста рецепта через заполнение маски

Ограничения

README не приводит оценок качества, подробностей обучающих данных или ограничений применения. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ingredient-v2

This model was trained from scratch on an unknown dataset.

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: 48
eval_batch_size: 48
seed: 42
distributed_type: multi-GPU
num_devices: 4
total_train_batch_size: 192
total_eval_batch_size: 192
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10.0

Framework versions

Transformers 4.32.1
Pytorch 2.0.0
Datasets 2.14.4
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: 1e86abc