Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 19 мар 2023

Ссылки

distilbert-base-uncased-finetuned-cola

Классификация текстаТекст → label3 профессии

Дообученная на GLUE модель DistilBERT для классификации текстов и оценки грамматической приемлемости английских предложений.

179скачиваний за 30 дней0лайковвеса обновлены2 апр 2023

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

Модель verlonsalaysay/distilbert-base-uncased-finetuned-cola — версия DistilBERT, дообученная на наборе GLUE для классификации текстов. Архитектура — DistilBertForSequenceClassification; модель принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классов. Карточка сообщает результат оценки на тестовой выборке GLUE: Matthews Correlation 0,5530 и Loss 0,5509.

Модель подходит для классификации предложений в задачах, связанных с CoLA, включая оценку грамматической приемлемости английских предложений. Она опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. README не приводит подробностей о тренировочных настройках и ограничениях; результат оценки указывает, что качество не идеально и модель не следует считать универсальным классификатором для других доменов.

Сценарии применения

оценка грамматической приемлемости английского предложения
классификация предложений в задачах GLUE
фильтрация предложений по метке класса

Ограничения

По оценке на GLUE Matthews Correlation составляет 0,5530, поэтому классификация может ошибаться. Обучение ориентировано на CoLA/GLUE, и качество на других задачах или предметных областях не подтверждено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-base-uncased-finetuned-cola

This model is a fine-tuned version of distilbert-base-uncased on the glue dataset. It achieves the following results on the evaluation set:

Loss: 0.5509
Matthews Correlation: 0.5530

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Matthews Correlation
0.525	1.0	535	0.5536	0.4043
0.3498	2.0	1070	0.5030	0.4891
0.2336	3.0	1605	0.5509	0.5530
0.1718	4.0	2140	0.7828	0.5385
0.1337	5.0	2675	0.8241	0.5309

Framework versions

Transformers 4.27.3
Pytorch 1.13.1+cu116
Datasets 2.10.1
Tokenizers 0.13.2

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: DistilBertForSequenceClassification
Ревизия весов: 30d2c97