/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Библиотека
transformers
Опубликована
17 июл 2023

debertina-base

Языковая модель7 профессий

Португалоязычная DeBERTa-v3 encoder-модель для дообучения на классификации и других задачах понимания текста.

33скачиваний за 30 дней0лайковвеса обновлены9 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

DeBERTina-base — португалоязычная encoder-модель семейства DeBERTa-v3, разработанная Thacio Garcia Scandaroli. Она предварительно обучена в стиле ELECTRA: генератор заменяет часть токенов, а дискриминатор учится определять подменённые токены; в обучении также используется gradient-disentangled embedding sharing. Модель предназначена для дообучения на задачах понимания естественного языка, в частности классификации последовательностей. Репозиторий содержит веса PyTorch и SafeTensors; модель насчитывает около 137,8 млн параметров и поддерживает контекст до 512 токенов.

Обучение проводилось на португалоязычном корпусе C4 с токенизатором SentencePiece. Для классификации README показывает загрузку через Transformers AutoModelForSequenceClassification с числом классов, заданным при дообучении. Лицензия MIT. Модель ориентирована на португальский язык; качество на конкретных задачах зависит от дообучения и доступных меток.

Сценарии применения

  • классификация тональности португальских отзывов
  • определение тематики португальских документов
  • классификация обращений и сообщений на португальском языке
  • дообучение для извлечения ответов из португальского текста

Ограничения

Это encoder-модель, для прикладных задач её обычно нужно дообучить на размеченных данных. Контекст ограничен 512 токенами.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DeBERTina

DeBERTina é um modelo DeBERTa-v3 em português treinado no estilo ELECTRA, com RTD (Replaced Token Detection) e gradient-disentangled embedding sharing (GDES).

DeBERTina is a portuguese DeBERTa-v3 model trained electra-style ELECTRA (with Replaced Token Detection - RTD) and gradient-disentangled embedding sharing (GDES).

ModeltypeVocabularyBackbone + Embeddings = Total Parameters
ult5-pt-smallencoder-decoder65k56.6M + 25.8M = 82.4M
sentence-transformer-ult5-pt-smallsentence-transformer65k25.2 + 25.8M = 51M
DeBERTina-baseencoder32k85.5M + 24.6M = 110.0M
DeBERTina-base-128k-vocabencoder128k85.5M + 98.3M = 183.8M
DeBERTina-largeencoder128k348.4M + 98.3M = 433.9.0M
DeBERTina-xsmallencoder128k21.5M + 49.2M = 70.6M
  • Developed by: Thacio Garcia Scandaroli
  • Model type: DeBERTa-v3
  • Language(s) (NLP): Português
  • License: MIT

Benchmarks e tutorial de fine-tune: https://github.com/thacio/LLM-Notebooks

Benchmarks e fine-tune notebook: https://github.com/thacio/LLM-Notebooks

Special tokens: '[PAD]', '[CLS]', '[SEP]', '[UNK]'

Treino

O modelo foi treinado com o corpus C4 em português, utilizando um tokenizer sentencepiece com vocabulário de tamanho 128k.

O treino consiste em um gerador e um discriminador. O gerador é treinado com masked language modeling em 15% dos tokens. Em seguida, tokens são substituídos pelas predições do gerador, e o discriminador é treinado de forma a identificar quais tokens são originais e quais foram substítudos.

The model was trained with the C4 corpus in portuguese with a sentencepiece tokenizer with a vocabulary of 128.

The training is done with a generator and a discriminator. The generator is trained with maskeed language modeling as BERT, but without next sentence prediction, by masking 15% of the tokens.

The masked tokens are then replaced by the generators prediction, and the discriminator is trained with the objective of identifying the which are the original and replaced tokens.

Fine-tunning

O fine-tunning é feito com o discriminador.

Para carregar o modelo para classificações:

Fine-tunning should be done with the discrimnator.

Loading the model for classification:

from transformers import AutoModelForSequenceClassification

num_labels = 2 # number of labels in classes
model = AutoModelForSequenceClassification.from_pretrained("tgsc/debertina-base",num_labels=num_labels)

Citation

@inproceedings{
2023debertina,
title={DeBERTina: A portuguese DeBERTa-v3 model.},
author = {Thacio Garcia Scandaroli},
year={2023},
url={https://huggingface.co/tgsc/debertina-base}
}

DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing

DeBERTa improves the BERT and RoBERTa models using disentangled attention and enhanced mask decoder. With those two improvements, DeBERTa out perform RoBERTa on a majority of NLU tasks with 80GB training data.

In DeBERTa V3, we further improved the efficiency of DeBERTa using ELECTRA-Style pre-training with Gradient Disentangled Embedding Sharing. Compared to DeBERTa, our V3 version significantly improves the model performance on downstream tasks. You can find more technique details about the new model from our paper.

Please check the official repository for more implementation details and updates.

The DeBERTa V3 base model comes with 12 layers and a hidden size of 768. It has only 86M backbone parameters with a vocabulary containing 128K tokens which introduces 98M parameters in the Embedding layer. This model was trained using the 160GB data as DeBERTa V2.

Fine-tuning on NLU tasks

We present the dev results on SQuAD 2.0 and MNLI tasks.

ModelVocabulary(K)Backbone #Params(M)SQuAD 2.0(F1/EM)MNLI-m/mm(ACC)
RoBERTa-base508683.7/80.587.6/-
XLNet-base3292-/80.286.8/-
ELECTRA-base3086-/80.588.8/
DeBERTa-base5010086.2/83.188.8/88.5
DeBERTa-v3-base1288688.4/85.490.6/90.7
DeBERTa-v3-base + SiFT12886-/-91.0/-

We present the dev results on SQuAD 1.1/2.0 and MNLI tasks.

Fine-tuning with HF transformers

#!/bin/bash

cd transformers/examples/pytorch/text-classification/

pip install datasets
export TASK_NAME=mnli

output_dir="ds_results"

num_gpus=8

batch_size=8

python -m torch.distributed.launch --nproc_per_node=${num_gpus} \
  run_glue.py \
  --model_name_or_path microsoft/deberta-v3-base \
  --task_name $TASK_NAME \
  --do_train \
  --do_eval \
  --evaluation_strategy steps \
  --max_seq_length 256 \
  --warmup_steps 500 \
  --per_device_train_batch_size ${batch_size} \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --output_dir $output_dir \
  --overwrite_output_dir \
  --logging_steps 1000 \
  --logging_dir $output_dir

Citation

If you find DeBERTa useful for your work, please cite the following papers:

@misc{he2021debertav3,
      title={DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing}, 
      author={Pengcheng He and Jianfeng Gao and Weizhu Chen},
      year={2021},
      eprint={2111.09543},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}
@inproceedings{
he2021deberta,
title={DEBERTA: DECODING-ENHANCED BERT WITH DISENTANGLED ATTENTION},
author={Pengcheng He and Xiaodong Liu and Jianfeng Gao and Weizhu Chen},
booktitle={International Conference on Learning Representations},
year={2021},
url={https://openreview.net/forum?id=XPZIaotutsD}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Ревизия весов
70bb6bc

0 моделей