/ Модель

Характеристики

Параметры
435 млн
Лицензия
MIT
Архитектура
xlnet · dense
Базовая модель
cs221-xlnet-large-cased-finetuned
Библиотека
transformers
Опубликована
2 янв 2025

cs221-xlnet-large-cased-finetuned-8-epochs

Классификация текстаТекст → label

Дообученная XLNet Large для классификации текстов.

9скачиваний за 30 дней0лайковвеса обновлены2 янв 2025

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

sercetexam9/cs221-xlnet-large-cased-finetuned-8-epochs — версия XLNet Large, дообученная разработчиком sercetexam9 на основе sercetexam9/cs221-xlnet-large-cased-finetuned в течение 8 эпох для классификации текстов. Модель использует архитектуру XLNetForSequenceClassification и распространяется в формате Safetensors; размер составляет 435,4 млн параметров.

Она принимает текст и выдаёт результат классификации. В README приведены значения Loss и BCE Loss 0,5895 на оценочном наборе, однако назначение классов, датасет и сценарии применения не описаны. Модель распространяется по лицензии MIT.

Сценарии применения

  • Классификация текстовых данных

Ограничения

В карточке не описаны целевые классы, обучающий набор данных и предполагаемые сценарии использования; приведена только метрика Loss 0,5895 на оценочном наборе.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cs221-xlnet-large-cased-finetuned-8-epochs

This model is a fine-tuned version of sercetexam9/cs221-xlnet-large-cased-finetuned on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5895
  • Bce Loss: 0.5895

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: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 4

Training results

Training LossEpochStepValidation LossBce Loss
0.59071.01390.58950.5895
0.55462.02780.59320.5932
0.57223.04170.58980.5898
0.55064.05560.59450.5945

Framework versions

  • Transformers 4.47.1
  • Pytorch 2.4.0
  • Datasets 3.0.1
  • Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLNetForSequenceClassification
Ревизия весов
5282862

0 моделей