Robbert 2023 Dutch Base Cross Encoder

🚀 モデルIDのモデルカード

このモデルは🤗 transformersライブラリのモデルで、Hub上に公開されています。このモデルカードは自動生成されています。

📚 ドキュメント

モデルの説明

これは🤗 transformersモデルのモデルカードで、Hubに公開されています。このモデルカードは自動生成されています。

• 開発者: [詳細情報が必要]
• 資金提供元 (任意): [詳細情報が必要]
• 共有者 (任意): [詳細情報が必要]
• モデルタイプ: [詳細情報が必要]
• 言語 (NLP): [詳細情報が必要]
• ライセンス: [詳細情報が必要]
• ファインチューニング元のモデル (任意): [詳細情報が必要]

モデルのソース (任意)

• リポジトリ: [詳細情報が必要]
• 論文 (任意): [詳細情報が必要]
• デモ (任意): [詳細情報が必要]

用途

直接利用

[詳細情報が必要]

下流利用 (任意)

[詳細情報が必要]

範囲外の利用

[詳細情報が必要]

バイアス、リスク、制限事項

推奨事項

ユーザー（直接利用者と下流利用者の両方）は、モデルのリスク、バイアス、制限事項を認識すべきです。さらなる推奨事項については詳細情報が必要です。

🚀 クイックスタート

以下のコードを使用して、モデルを使用を開始できます。 [詳細情報が必要]

学習の詳細

学習データ

[詳細情報が必要]

学習手順

前処理 (任意)

[詳細情報が必要]

学習ハイパーパラメータ

• 学習方式: [詳細情報が必要]

速度、サイズ、時間 (任意)

[詳細情報が必要]

評価

テストデータ、要因、指標

テストデータ

[詳細情報が必要]

要因

[詳細情報が必要]

指標

[詳細情報が必要]

結果

[詳細情報が必要]

概要

モデルの調査 (任意)

[詳細情報が必要]

環境への影響

炭素排出量は、Lacoste et al. (2019)で提示されたMachine Learning Impact calculatorを使用して推定できます。

• ハードウェアタイプ: [詳細情報が必要]
• 使用時間: [詳細情報が必要]
• クラウドプロバイダー: [詳細情報が必要]
• コンピュートリージョン: [詳細情報が必要]
• 排出された炭素量: [詳細情報が必要]

技術仕様 (任意)

モデルアーキテクチャと目的

[詳細情報が必要]

コンピュートインフラストラクチャ

ハードウェア

[詳細情報が必要]

ソフトウェア

[詳細情報が必要]

引用 (任意)

BibTeX: [詳細情報が必要]

APA: [詳細情報が必要]

用語集 (任意)

[詳細情報が必要]

詳細情報 (任意)

[詳細情報が必要]

モデルカード作成者 (任意)

[詳細情報が必要]

モデルカードの連絡先

[詳細情報が必要]