Bert Finetuned Ner

🚀 ankitsharma/bert-finetuned-ner

該模型是 bert-base-cased 在未知數據集上的微調版本。它在評估集上取得了以下結果：

• 訓練損失：0.0283
• 驗證損失：0.0554
• 輪數：2

🚀 快速開始

此部分暫未提供具體快速開始內容，可根據模型實際使用情況補充如何快速使用該模型的步驟。

✨ 主要特性

該模型基於 bert-base-cased 進行微調，能夠在特定未知數據集上進行訓練並取得一定的評估結果，可用於相關的命名實體識別（NER）任務。

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

📦 安裝指南

此部分暫未提供安裝相關內容，可補充安裝該模型所需的依賴庫等信息，例如：

pip install transformers==4.20.1 tensorflow==2.8.2 datasets==2.3.2 tokenizers==0.12.1

🔧 技術細節

訓練超參數

訓練期間使用了以下超參數：

• 優化器：{'name': 'AdamWeightDecay', 'learning_rate': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 2e-05, 'decay_steps': 2634, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
• 訓練精度：混合浮點16位（mixed_float16）

訓練結果

框架版本

• Transformers 4.20.1
• TensorFlow 2.8.2
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 Apache-2.0 許可證。