Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Базовая модель: distilbert-base-uncased
Библиотека: transformers
Опубликована: 15 ноя 2024

Ссылки

Hugging Face

distilbert-sentiment-imdb-sft

wsklee

Классификация текстаТекст → label

Дообученная DistilBERT-модель для определения тональности англоязычных отзывов о фильмах.

6скачиваний за 30 дней0лайковвеса обновлены15 ноя 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

Модель wsklee/distilbert-sentiment-imdb-sft — дообученная для классификации текста версия DistilBERT, созданная на основе distilbert/distilbert-base-uncased. Она предназначена для определения тональности англоязычных отзывов о фильмах IMDb. В метаданных указаны архитектура DistilBertForSequenceClassification, библиотека Transformers, формат safetensors и контекст до 512 токенов.

На оценочной выборке модель показала accuracy 0,8891 и loss 0,2803. Данные для обучения в карточке описаны как неизвестный датасет, поэтому результаты не гарантируют качество на других типах текстов и вне домена отзывов о фильмах. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Определение положительной или отрицательной тональности отзыва IMDb
Автоматическая сортировка отзывов о фильмах по тональности
Анализ отзывов о фильмах в пользовательских сообществах

Ограничения

Обучающий датасет не описан, а приведённые метрики относятся только к оценочной выборке; качество на других типах текстов не подтверждено. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-sentiment-imdb-sft

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

Loss: 0.2803
Accuracy: 0.8891

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: 0.0003
train_batch_size: 128
eval_batch_size: 256
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: cosine
lr_scheduler_warmup_ratio: 0.1
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3606	1.0204	200	0.2803	0.8891

Framework versions

Transformers 4.46.2
Pytorch 2.5.1
Datasets 3.1.0
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: a792805