Характеристики

Контекст: 512 токенов
Параметры: 32,4 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-small
Опубликована: 9 ноя 2023

Ссылки

Hugging Face

bert-small-finetuned

ryantaw

Классификация текстаТекст → label3 профессии

Компактная модель BERT для классификации текста, дообученная на базе prajjwal1/bert-small.

10скачиваний за 30 дней0лайковвеса обновлены9 ноя 2023

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

ryantaw/bert-small-finetuned — модель классификации текста, дообученная на основе prajjwal1/bert-small. Она использует архитектуру BERT для классификации последовательностей и содержит 32,4 млн параметров; веса представлены в формате Safetensors. Модель подходит для присвоения текстам категорий в задачах, где используются метки, соответствующие её дообучению.

В README приведены результаты на оценочном наборе: accuracy 0,6038 и F1 0,6018. Название и состав набора данных, метки классов и конкретная предметная область не описаны, поэтому применимость к определённым категориям оценить нельзя. Контекст модели — до 512 токенов. Лицензия — MIT.

Сценарии применения

классификация текста по заданным категориям
присвоение меток коротким текстам
создание прототипа классификатора на базе BERT

Ограничения

README не сообщает, на каких данных и метках обучалась модель, поэтому её точная область применения неясна. На оценочном наборе указаны accuracy 0,6038 и F1 0,6018; результаты на других данных не приведены.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-small-finetuned

This model is a fine-tuned version of prajjwal1/bert-small on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.0048
Accuracy: 0.6038
F1 Score: 0.6018

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: 86
eval_batch_size: 86
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 20

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1 Score
1.3167	1.0	18	1.2414	0.4151	0.3857
1.1845	2.0	36	1.1500	0.5148	0.5148
1.0823	3.0	54	1.0743	0.5499	0.5543
0.995	4.0	72	1.0359	0.5553	0.5529
0.9242	5.0	90	1.0195	0.5849	0.5781
0.8742	6.0	108	1.0028	0.5741	0.5758
0.8237	7.0	126	1.0033	0.5930	0.5901
0.7893	8.0	144	0.9967	0.5930	0.5922
0.7332	9.0	162	1.0088	0.5957	0.5924
0.6997	10.0	180	1.0048	0.6038	0.6018
0.6836	11.0	198	1.0120	0.6011	0.5981
0.6571	12.0	216	1.0084	0.5849	0.5864
0.6253	13.0	234	1.0167	0.5903	0.5938
0.5902	14.0	252	1.0184	0.5930	0.5965
0.5766	15.0	270	1.0340	0.5930	0.5925
0.5591	16.0	288	1.0399	0.5930	0.5931
0.5353	17.0	306	1.0364	0.5930	0.5944
0.5205	18.0	324	1.0412	0.5876	0.5889
0.5197	19.0	342	1.0410	0.5849	0.5867
0.5222	20.0	360	1.0418	0.5984	0.5990

Framework versions

Transformers 4.35.0
Pytorch 2.1.0+cu118
Datasets 2.14.6
Tokenizers 0.14.1

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: BertForSequenceClassification
Ревизия весов: c9c1db6