Характеристики

Контекст: 512 токенов
Параметры: 40 млн
Лицензия: MIT
Архитектура: bert · dense
Опубликована: 21 мар 2022

Ссылки

Hugging Face

xtremedistil-l12-h384-uncased-finetuned-wikitext103

saghar

Заполнение пропусковТекст → текст3 профессии

Дообученная на WikiText BERT-модель для предсказания пропущенных токенов в текстах.

64скачиваний за 30 дней1лайквеса обновлены21 мар 2022

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

saghar/xtremedistil-l12-h384-uncased-finetuned-wikitext103 — дообученная модель на базе microsoft/xtremedistil-l12-h384-uncased, обученная на датасете WikiText. Это BERT-подобная модель для заполнения пропусков в тексте: она предсказывает подходящий токен вместо маски. Модель содержит 40 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате PyTorch.

Карточка приводит значение loss 6,7699 на оценочной выборке, но не описывает методику оценки, конкретные сценарии применения или дополнительные ограничения. Лицензия модели — MIT.

Сценарии применения

подстановка пропущенного слова в предложении
оценка вероятных замен для замаскированного токена
восстановление пропусков в англоязычных текстах WikiText

Ограничения

Карточка сообщает loss 6,7699 на оценочной выборке, но не приводит методику оценки или подробные ограничения. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей 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.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xtremedistil-l12-h384-uncased-finetuned-wikitext103

This model is a fine-tuned version of microsoft/xtremedistil-l12-h384-uncased on the wikitext dataset. It achieves the following results on the evaluation set:

Loss: 6.7699

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: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Training Loss	Epoch	Step	Validation Loss
7.3467	1.0	3125	6.9197
6.9751	2.0	6250	6.8061
6.9142	3.0	9375	6.7699

Framework versions

Transformers 4.16.2
Pytorch 1.11.0
Datasets 1.1.1
Tokenizers 0.10.1

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForMaskedLM
Ревизия весов: 78b88c3