Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 8 апр 2024

Ссылки

distilbert-base-multilingual-cased-Razones_Especificas_Esp

Классификация текстаТекст → label3 профессии

Дообученная на DistilBERT multilingual модель классифицирует текстовые последовательности, но назначение классов в карточке не раскрыто.

2 737скачиваний за 30 дней0лайковвеса обновлены8 апр 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

rogelioplatt/distilbert-base-multilingual-cased-Razones_Especificas_Esp — модель классификации текста на основе DistilBERT, дообученная разработчиком на базе distilbert-base-multilingual-cased. Она предназначена для классификации текстовых последовательностей; название указывает на испанские «специфические причины», однако карточка не поясняет классы и сценарий классификации. Модель принимает текст и выдаёт метки классов. Контекст ограничен 512 токенами.

В README приведены результаты оценки: accuracy 0,8938 и loss 0,2710; состав оценочного набора и методика не описаны. Модель распространяется под лицензией Apache-2.0. Поддержка многоязычной основы не раскрывает, на каких языках именно её дообученная задача применима.

Сценарии применения

Классификация текстовых последовательностей
Применение модели в задачах классификации на основе DistilBERT
Оценка предсказаний на собственном размеченном наборе

Ограничения

Карточка не описывает набор меток, обучающие данные и целевой сценарий; приведённые метрики не сопровождаются сведениями о составе и методике оценки. Контекст ограничен 512 токенами.

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-multilingual-cased-Razones_Especificas_Esp

This model is a fine-tuned version of distilbert-base-multilingual-cased on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2710
Accuracy: 0.8938

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: 12
eval_batch_size: 12
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4788	1.0	38	0.4704	0.8009
0.4791	2.0	76	0.3086	0.8850
0.3026	3.0	114	0.2710	0.8938

Framework versions

Transformers 4.28.0
Pytorch 2.2.1+cu121
Datasets 2.18.0
Tokenizers 0.13.3

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: 41df05d