BERT-классификатор для определения тональности текстов на Bahasa Indonesia.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
techthiyanes/Bert_Bahasa_Sentiment — модель классификации последовательностей на архитектуре BERT, предназначенная для анализа тональности текста на языке Bahasa Indonesia. README показывает загрузку модели через Transformers и пример подачи токенизированного текста на вход классификатору. Модель содержит 194,6 млн параметров, поддерживает контекст до 512 токенов и опубликована в форматах PyTorch, TensorFlow и Flax.
Модель подходит для определения тональности коротких текстов, например отзывов и сообщений. README не раскрывает набор и значения классов, обучающие данные и оценку качества; эти сведения нельзя уточнить по имеющимся данным. Лицензия в предоставленных метаданных и README не указана.
В README не указаны названия классов, обучающий датасет и метрики качества. Доступные сведения не подтверждают пригодность модели для языков помимо Bahasa Indonesia.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained(model_checkpoint)
model = AutoModelForSequenceClassification.from_pretrained('techthiyanes/Bert_Bahasa_Sentiment')
inputs = tokenizer("saya tidak", return_tensors="pt")
labels = torch.tensor([1]).unsqueeze(0)
outputs = model(**inputs, labels=labels)
loss = outputs.loss
logits = outputs.logits
outputs hello
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…