/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
ernie · dense
Опубликована
2 мар 2022

ernie-2.0-base-en

ЭмбеддингиТекст → embedding4 профессии

Англоязычная базовая модель Baidu ERNIE 2.0 для извлечения признаковых представлений текста.

257скачиваний за 30 дней15лайковвеса обновлены10 сен 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

ERNIE 2.0 Base English — плотная модель Baidu на архитектуре ERNIE, выпущенная в формате PyTorch и преобразованная из официальной модели PaddlePaddle. В README ERNIE 2.0 описана как framework непрерывного предварительного обучения с последовательным добавлением задач и многозадачным обучением; этот репозиторий предоставляет английскую базовую модель с 136,7 млн параметров и контекстом до 512 токенов.

Модель предназначена для извлечения признаковых представлений текста, которые можно использовать как основу для последующей обработки или адаптации. В статье о семействе сообщается о результатах выше BERT и XLNet на 16 задачах, включая английские тесты GLUE; эти результаты относятся к экспериментам семейства, а не обязательно к этому чекпойнту отдельно.

Для загрузки указаны AutoTokenizer и AutoModel из Transformers. Репозиторий содержит преобразованные веса PyTorch; лицензия в предоставленных данных не указана.

Сценарии применения

  • получение векторных представлений английского текста
  • извлечение признаков текста для последующей классификации
  • подготовка текстовых представлений для адаптации под NLP-задачи

Ограничения

Контекст ограничен 512 токенами. Результаты по GLUE и другим задачам приведены для семейства ERNIE 2.0 и не подтверждают качество данного чекпойнта на каждой задаче.

Для каких профессий подходит4

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

ERNIE-2.0

Introduction

ERNIE 2.0 is a continual pre-training framework proposed by Baidu in 2019, which builds and learns incrementally pre-training tasks through constant multi-task learning. Experimental results demonstrate that ERNIE 2.0 outperforms BERT and XLNet on 16 tasks including English tasks on GLUE benchmarks and several common tasks in Chinese.

More detail: https://arxiv.org/abs/1907.12412

Released Model Info

This released pytorch model is converted from the officially released PaddlePaddle ERNIE model and a series of experiments have been conducted to check the accuracy of the conversion.

How to use

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("nghuyong/ernie-2.0-base-en")
model = AutoModel.from_pretrained("nghuyong/ernie-2.0-base-en")

Citation

@article{sun2019ernie20,
  title={ERNIE 2.0: A Continual Pre-training Framework for Language Understanding},
  author={Sun, Yu and Wang, Shuohuan and Li, Yukun and Feng, Shikun and Tian, Hao and Wu, Hua and Wang, Haifeng},
  journal={arXiv preprint arXiv:1907.12412},
  year={2019} 
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ErnieModel
Ревизия весов
2c22755

0 моделей