Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Базовая модель: bert-base-uncased-fibe-v3
Библиотека: transformers
Опубликована: 29 сен 2024

Ссылки

Hugging Face

bert-base-uncased-fibe-final

pilotj

Классификация текстаТекст → label

Дообученная BERT-модель для классификации текстовых последовательностей длиной до 512 токенов.

6скачиваний за 30 дней0лайковвеса обновлены29 сен 2024

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

pilotj/bert-base-uncased-fibe-final — модель классификации текста на базе BERT, дообученная автором на основе pilotj/bert-base-uncased-fibe-v3. Репозиторий содержит около 136,7 млн параметров; модель использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.

Модель предназначена для классификации текстовых последовательностей. В README приведены результаты оценки: loss 0,3655 после примерно одной эпохи обучения и 10 500 шагов. Назначение классов, данные обучения и конкретные области применения не раскрыты. Используется формат safetensors; сведения о лицензии отсутствуют.

Сценарии применения

классификация текстовых последовательностей
присвоение категорий текстовым сообщениям
классификация коротких документов

Ограничения

README не сообщает, какие именно классы и предметную область охватывает модель; её качество за пределами указанной оценки не описано. Лицензия и языки модели не определены в предоставленных источниках.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-base-uncased-fibe-final

This model is a fine-tuned version of pilotj/bert-base-uncased-fibe-v3 on the None dataset. It achieves the following results on the evaluation set:

eval_loss: 0.3655
eval_runtime: 111.3303
eval_samples_per_second: 234.896
eval_steps_per_second: 3.674
epoch: 1.0030
step: 10500

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Framework versions

Transformers 4.45.1
Pytorch 2.2.1+cu121
Datasets 2.18.0
Tokenizers 0.20.0

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: BertForSequenceClassification
Ревизия весов: 21dd049