Reddit Tc Bert

🚀 bert-uncased-base

このモデルは、Redditの対話データセットでbert-base-uncasedをファインチューニングしたバージョンです。このモデルはテキスト分類に使用でき、与えられた2つの文が関連しているかどうかを判断します。評価セットでは以下の結果を達成しています。

• 損失: 0.2297
• 正解率: 0.9267

🚀 クイックスタート

このモデルはRedditの対話データセットでファインチューニングされたもので、テキスト分類タスクに利用できます。

✨ 主な機能

• 与えられた2つの文が関連しているかどうかを判断するテキスト分類機能を提供します。
• 評価セットで高い正解率を達成しています。

🔧 技術詳細

学習ハイパーパラメータ

学習時には以下のハイパーパラメータが使用されました。

• 学習率: 2e-05
• 学習バッチサイズ: 320
• 評価バッチサイズ: 80
• シード: 42
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラタイプ: 線形
• エポック数: 5.0

フレームワークバージョン

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.17.0
• Tokenizers 0.11.0

💻 使用例

基本的な使用法

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

# label_list
label_list = ['matched', 'unmatched']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained("Fan-s/reddit-tc-bert", use_fast=True)
model = AutoModelForSequenceClassification.from_pretrained("Fan-s/reddit-tc-bert") 

# Set the input
post = "don't make gravy with asbestos."
response = "i'd expect someone with a culinary background to know that. since we're talking about school dinner ladies, they need to learn this pronto."

# Predict whether the two sentences are matched 
def predict(post, response, max_seq_length=128):
    with torch.no_grad():
        args =  (post, response)
        input = tokenizer(*args, padding="max_length", max_length=max_seq_length, truncation=True, return_tensors="pt")
        output = model(**input)
        logits = output.logits
        item = torch.argmax(logits, dim=1)
        predict_label = label_list[item]
        return predict_label, logits
         
predict_label, logits = predict(post, response)
# Matched
print("predict_label:", predict_label)

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。