/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense

distilbert-base-uncased-finetuned-cola

Классификация текстаТекст → label3 профессии

Дообученная на CoLA модель DistilBERT классифицирует английские предложения по грамматической приемлемости.

11скачиваний за 30 дней0лайковвеса обновлены30 авг 2021

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

riyadhctg/distilbert-base-uncased-finetuned-cola — модель классификации текстов, полученная дообучением distilbert-base-uncased на задаче CoLA из набора GLUE. Она предназначена для оценки грамматической приемлемости предложений на английском языке. Архитектура — DistilBERT с классификационной головой; модель принимает текст с контекстом до 512 токенов и выдаёт метку класса.

На оценочной выборке GLUE CoLA модель показала Matthews Correlation 0,5527 и loss 0,7691. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения качества.

Сценарии применения

  • оценка грамматической приемлемости английского предложения
  • фильтрация грамматически некорректных английских фраз
  • эксперименты с классификацией предложений на бенчмарке GLUE CoLA

Ограничения

Модель предназначена для классификации грамматической приемлемости в рамках CoLA; показатели на этой оценочной выборке не гарантируют качество для других задач или текстовых доменов.

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

distilbert-base-uncased-finetuned-cola

This model is a fine-tuned version of distilbert-base-uncased on the glue dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7691
  • Matthews Correlation: 0.5527

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossMatthews Correlation
0.52471.05350.53900.4315
0.3532.010700.52730.4994
0.23863.016050.63910.5089
0.174.021400.76910.5527
0.13485.026750.84830.5472

Framework versions

  • Transformers 4.9.2
  • Pytorch 1.9.0+cu102
  • Datasets 1.11.0
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
5726807

0 моделей