Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense

Ссылки

Hugging Face

bert-fine-tuned-cola

sgugger

Классификация текстаТекст → label3 профессии

Дообученная на CoLA модель BERT определяет грамматическую приемлемость английских предложений.

8скачиваний за 30 дней1лайквеса обновлены1 ноя 2021

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

sgugger/bert-fine-tuned-cola — модель классификации последовательностей на базе BERT, дообученная на датасете CoLA из набора GLUE. Она предназначена для определения грамматической приемлемости предложений на английском языке и подходит для автоматической проверки грамматики и экспериментов с оценкой языковых моделей. Модель содержит 135,5 млн параметров, использует архитектуру BertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов.

На оценочной выборке GLUE указаны loss 0,8068 и Matthews Correlation 0,5959. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Подробности о тренировочных данных, ограничениях и практических сценариях в карточке не раскрыты.

Сценарии применения

оценка грамматической приемлемости английского предложения
автоматическая фильтрация неграмматичных английских текстов
эксперименты по классификации предложений на наборе GLUE

Ограничения

Показатель Matthews Correlation на оценочной выборке составляет 0,5959, поэтому предсказания могут быть ненадёжны. Карточка не описывает ограничения применения и состав данных подробнее.

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

bert-fine-tuned-cola

This model is a fine-tuned version of bert-base-cased on the glue dataset. It achieves the following results on the evaluation set:

Loss: 0.8068
Matthews Correlation: 0.5959

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: 8
eval_batch_size: 8
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	Matthews Correlation
0.4838	1.0	1069	0.5996	0.4637
0.3543	2.0	2138	0.6670	0.5778
0.1948	3.0	3207	0.8068	0.5959

Framework versions

Transformers 4.13.0.dev0
Pytorch 1.9.1+cu102
Datasets 1.13.4.dev0
Tokenizers 0.10.3

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: BertForSequenceClassification
Ревизия весов: 6cc73c7