Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 24 июн 2026

Ссылки

Hugging Face

my_first_hf_projects

parikshithprajwal005

Классификация текстаТекст → label3 профессии

Дообученная на базе DistilBERT модель для классификации текстовых последовательностей.

9скачиваний за 30 дней0лайковвеса обновлены24 июн 2026

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

my_first_hf_projects — дообученная модель классификации текста на базе distilbert/distilbert-base-uncased. Она использует архитектуру DistilBERT и предназначена для классификации текстовых последовательностей. Модель опубликована в формате Safetensors и поддерживает контекст до 512 токенов. Разработчик не описал набор меток, обучающие данные, результаты оценки или более конкретные сценарии применения. Лицензия — Apache-2.0.

Сценарии применения

классификация текстовых последовательностей
определение категории текста по меткам модели
автоматическая разметка текстовых сообщений

Ограничения

Не описаны обучающие данные, классы, метрики качества и рекомендуемые сценарии применения. Базовая модель англоязычная; поддержка других языков для этой версии не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

my_first_hf_projects

This model is a fine-tuned version of distilbert/distilbert-base-uncased 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: 2e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 483c761