Дообученная BERT-модель для классификации текстов с контекстом до 512 токенов.
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
ulisesbravo/autotrain-BERTimbau-DGS-0002 — дообученная модель BERT для классификации текстов, созданная с помощью AutoTrain. Она предназначена для отнесения текста к классам в задаче, заданной при обучении; конкретная предметная область и названия классов в карточке не раскрыты. Модель содержит 136,1 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов.
В README приведены метрики на валидационной выборке: accuracy около 0,748 и macro F1 около 0,746. Эти результаты характеризуют только указанную выборку и не гарантируют аналогичного качества на других данных. Модель дообучена на основе ulisesbravo/autotrain-BERTimbau-DGS-0001; сведения о лицензии в предоставленных данных отсутствуют.
Валидационные метрики получены на конкретной выборке и могут не отражать качество на новых данных. Конкретные классы и лицензия в предоставленной карточке не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 0.7617048025131226
f1_macro: 0.7457262796719101
f1_micro: 0.748046875
f1_weighted: 0.7458152229876283
precision_macro: 0.7510527252931124
precision_micro: 0.748046875
precision_weighted: 0.7510721957087751
recall_macro: 0.7478964401294499
recall_micro: 0.748046875
recall_weighted: 0.748046875
accuracy: 0.748046875
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…