Характеристики

Параметры: 138 млн
Лицензия: MIT
Архитектура: xlnet · dense
Опубликована: 5 авг 2022

Ссылки

Hugging Face

xlnet-base-mnli-orgs-finetuned1

vish88

Классификация текстаТекст → label4 профессии

Дообученная на базе XLNet модель для классификации текста с указанным в карточке F1 0,6957.

34скачиваний за 30 дней0лайковвеса обновлены11 авг 2022

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

vish88 выпустил дообученную модель классификации текста на базе clevrly/xlnet-base-mnli-finetuned. Она использует архитектуру XLNetForSequenceClassification и содержит 137,8 млн параметров. В README указаны результаты оценки: loss 0,1542 и F1 0,6957.

Модель подходит для классификации текста; конкретные метки классов и целевая предметная область в карточке не описаны. Данные для дообучения обозначены как None, поэтому установить назначение суффикса «orgs» по карточке нельзя. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT.

Сценарии применения

классификация текстов по заданным категориям
автоматическая разметка текстовых документов
определение класса или метки для входного текста

Ограничения

В карточке не указаны целевые метки классов, обучающий датасет и поддерживаемые языки. Показатель F1 0,6957 приведён без описания набора оценки и схемы вычисления.

Для каких профессий подходит4

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 I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlnet-base-mnli-orgs-finetuned1

This model is a fine-tuned version of clevrly/xlnet-base-mnli-finetuned on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1542
F1: 0.6957

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: 1
eval_batch_size: 1
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 4
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.2719	1.0	1462	0.2841	0.0
0.3042	2.0	2924	0.2664	0.4324
0.1366	3.0	4386	0.1408	0.6452
0.1149	4.0	5848	0.1387	0.6866
0.0986	5.0	7310	0.1542	0.6957

Framework versions

Transformers 4.21.1
Pytorch 1.12.0+cu113
Datasets 2.4.0
Tokenizers 0.12.1

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: XLNetForSequenceClassification
Ревизия весов: b7208ae