/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Опубликована
21 ноя 2023

distilbert-p1

Классификация текстаТекст → label5 профессий

Дообученная мультиязычная модель DistilBERT для классификации текста, включая анализ тональности.

12скачиваний за 30 дней0лайковвеса обновлены23 ноя 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

wnic00/distilbert-p1 — дообученная модель классификации текста на основе lxyuan/distilbert-base-multilingual-cased-sentiments-student, построенной на архитектуре DistilBERT. Она предназначена для отнесения текста к категориям; базовая модель классифицирует тональность на 12 языках, но набор меток и языков, проверенных именно для этой версии, не описан. Модель использует формат PyTorch и принимает текстовые последовательности длиной до 512 токенов.

На указанном в README наборе оценки модель достигла accuracy 0,6886 и loss 1,9133. Данные для дообучения, классы классификации и сведения о практических ограничениях не приведены. Лицензия — Apache-2.0.

Сценарии применения

  • классификация тональности текста
  • отнесение коротких текстов к заданным категориям
  • автоматическая разметка текстовых отзывов

Ограничения

README не сообщает, на каких данных обучалась эта версия, какие метки она предсказывает и для каких языков проверена. На указанном наборе оценки accuracy составляет 0,6886; переносимость на другие данные не описана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-p1

This model is a fine-tuned version of lxyuan/distilbert-base-multilingual-cased-sentiments-student on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9133
  • Accuracy: 0.6886

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracy
0.85411.09800.80140.6427
0.62342.019600.78880.6733
0.41533.029401.07690.6799
0.23864.039201.66010.6861
0.11765.049001.91330.6886

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cpu
  • Datasets 2.14.4
  • Tokenizers 0.13.0

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
DistilBertForSequenceClassification
Ревизия весов
d2f35f8

0 моделей