Характеристики

Контекст: 512 токенов
Параметры: 58 072
Архитектура: bert · dense

Ссылки

Hugging Face

tiny-distilbert-base-cased

sshleifer

Разметка токеновТекст → label4 профессии

Компактная модель DistilBERT для присвоения меток отдельным токенам текста.

24 598скачиваний за 30 дней3лайкавеса обновлены20 мая 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

sshleifer/tiny-distilbert-base-cased — очень компактная модель на основе DistilBERT, опубликованная Sam Shleifer на Hugging Face. Она предназначена для классификации токенов: принимает текст и выдаёт метки для его отдельных токенов, например для выделения сущностей или разметки частей текста. Карточка Hugging Face показывает архитектуру BertForTokenClassification и возможность загрузить модель через Transformers.

Метаданные указывают 58,1 тыс. параметров и контекст до 512 токенов; доступны веса PyTorch, TensorFlow и Flax. Модель подходит для компактных демонстраций и экспериментов с конвейером token classification. Конкретный набор меток, языковая поддержка и лицензия в доступных сведениях не подтверждены.

Сценарии применения

разметка токенов в тексте
выделение именованных сущностей при наличии подходящей схемы меток
эксперименты с классификацией токенов в Transformers

Ограничения

Доступные сведения не описывают набор меток и не подтверждают поддержку конкретных естественных языков. При 58,1 тыс. параметров это миниатюрный чекпойнт, поэтому его пригодность для задач вне демонстраций следует оценивать отдельно.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей 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

Автор не опубликовал карточку модели.

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: 657df2b