Характеристики

Контекст: 2 048 токенов
Параметры: 454 млн
Лицензия: Своя лицензия
Архитектура: opt · dense
Базовая модель: opt-350m
Опубликована: 5 июн 2024

Ссылки

Hugging Face

opt-350m-fp-sick

varun-v-rao

Классификация текстаТекст → label3 профессии

Дообученная на SICK модель OPT-350M для классификации текста.

7скачиваний за 30 дней0лайковвеса обновлены5 июн 2024

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

varun-v-rao/opt-350m-fp-sick — это модель классификации текста, полученная дообучением OPT-350M от Meta AI на наборе данных SICK. Она предназначена для классификации текстовых примеров; на оценочной выборке указана точность 0,8545 и loss 0,4717. Модель содержит 454,1 млн параметров, использует архитектуру OPTForSequenceClassification и принимает последовательности длиной до 2048 токенов. Доступные веса представлены в формате safetensors. В метаданных указана лицензия other.

Сценарии применения

Классификация текстовых примеров из набора SICK
Эксперименты с классификацией предложений на базе OPT
Оценка качества классификатора на англоязычных текстах

Ограничения

README не описывает предполагаемые сценарии применения и ограничения. Результаты оценки приведены только для набора SICK; лицензия обозначена как other.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

opt-350m-fp-sick

This model is a fine-tuned version of facebook/opt-350m on the sick dataset. It achieves the following results on the evaluation set:

Loss: 0.4717
Accuracy: 0.8545

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 64
eval_batch_size: 32
seed: 21
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	1.0	70	0.3702	0.8727
No log	2.0	140	0.3930	0.8667
No log	3.0	210	0.4717	0.8545

Framework versions

Transformers 4.35.2
Pytorch 2.0.1+cu118
Datasets 2.15.0
Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: OPTForSequenceClassification
Ревизия весов: ca90b7b