Bert Base Cased Trec Coarse

🚀 bert-base-cased を TREC 6 クラスタスクで学習

このモデルは、"trec" データセットを使用して学習されたシンプルな BERT ベースモデルです。

🚀 クイックスタート

モデルの使用方法

Transformers

# Load model and tokenizer
from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Use pipeline
from transformers import pipeline

model_name = "aychang/bert-base-cased-trec-coarse"

nlp = pipeline("sentiment-analysis", model=model_name, tokenizer=model_name)

results = nlp(["Where did the queen go?", "Why did the Queen hire 1000 ML Engineers?"])

AdaptNLP

from adaptnlp import EasySequenceClassifier

model_name = "aychang/bert-base-cased-trec-coarse"
texts = ["Where did the queen go?", "Why did the Queen hire 1000 ML Engineers?"]

classifer = EasySequenceClassifier
results = classifier.tag_text(text=texts, model_name_or_path=model_name, mini_batch_size=2)

✨ 主な機能

このモデルは、TREC データセットを使用して学習されたシンプルな BERT ベースモデルで、テキスト分類タスクに使用できます。

📚 ドキュメント

想定される用途と制限

制限事項とバイアス

これはベンチマークデータセットで学習された最小限の言語モデルです。

学習データ

TREC https://huggingface.co/datasets/trec

学習手順

前処理、使用したハードウェア、ハイパーパラメータなどについて説明します。

ハードウェア

One V100

ハイパーパラメータと学習引数

from transformers import TrainingArguments

training_args = TrainingArguments(
    output_dir='./models',
    num_train_epochs=2,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    warmup_steps=500,
    weight_decay=0.01,
    evaluation_strategy="steps",
    logging_dir='./logs',
    save_steps=3000
)

評価結果

{'epoch': 2.0,
 'eval_accuracy': 0.974,
 'eval_f1': array([0.98181818, 0.94444444, 1.        , 0.99236641, 0.96995708,
        0.98159509]),
 'eval_loss': 0.138086199760437,
 'eval_precision': array([0.98540146, 0.98837209, 1.        , 0.98484848, 0.94166667,
        0.97560976]),
 'eval_recall': array([0.97826087, 0.90425532, 1.        , 1.        , 1.        ,
        0.98765432]),
 'eval_runtime': 1.6132,
 'eval_samples_per_second': 309.943}

📄 ライセンス

このプロジェクトは MIT ライセンスの下で提供されています。