Характеристики

Контекст: 512 токенов
Параметры: 25,9 млн
Лицензия: MIT
Архитектура: bert · dense
Опубликована: 19 мар 2022

Ссылки

Hugging Face

xtremedistil-l6-h384-uncased-finetuned-wikitext103

saghar

Заполнение пропусковТекст → текст3 профессии

Дообученная на WikiText модель BERT для предсказания замаскированных слов в тексте.

72скачиваний за 30 дней0лайковвеса обновлены20 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-l6-h384-uncased-finetuned-wikitext103 — дообученная модель семейства BERT, созданная на основе microsoft/xtremedistil-l6-h384-uncased и датасета WikiText. Она предназначена для задачи fill-mask: предсказывает замаскированные токены в тексте. Модель содержит 25,9 млн параметров, использует формат PyTorch и поддерживает контекст до 512 токенов.

Карточка сообщает результат оценки на выборке WikiText: loss 6,5526. Подробности обучения, область применения и конкретные ограничения в README не приведены. Лицензия модели — MIT.

Сценарии применения

подстановка пропущенного слова в предложении
оценка вероятных вариантов замены слова
заполнение масок в корпусах английского текста

Ограничения

Показатель loss 6,5526 приведён для оценки на WikiText, но дополнительные метрики и подробности оценки отсутствуют. Окно контекста ограничено 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-l6-h384-uncased-finetuned-wikitext103

This model is a fine-tuned version of microsoft/xtremedistil-l6-h384-uncased on the wikitext dataset. It achieves the following results on the evaluation set:

Loss: 6.5526

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
7.1974	1.0	3125	6.7483
6.8171	2.0	6250	6.5962
6.7483	3.0	9375	6.5526

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: 51fe482