Дообученная на базе BERTimbau модель классифицирует тексты на португальском языке.
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
Модель создана с помощью AutoTrain и дообучена на базе neuralmind/bert-base-portuguese-cased для классификации текстов. Она использует архитектуру BERT для классификации последовательностей, содержит 136,1 млн параметров и принимает текст длиной до 512 токенов. Карточка приводит метрики на валидации: accuracy 0,689 и macro F1 0,693; без сведений о классах и домене нельзя определить более конкретное назначение.
Валидационные метрики составляют около 0,69, поэтому качество может быть недостаточным для некоторых применений. Карточка не сообщает, какие именно классы предсказывает модель.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
loss: 0.7668559551239014
f1_macro: 0.6934027713968594
f1_micro: 0.6885536823425022
f1_weighted: 0.6903326985699842
precision_macro: 0.7104396368026238
precision_micro: 0.6885536823425022
precision_weighted: 0.705612321743312
recall_macro: 0.6898371166175705
recall_micro: 0.6885536823425022
recall_weighted: 0.6885536823425022
accuracy: 0.6885536823425022
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…