Bert Finetuned Ner 0

🚀 bert-finetuned-ner_0

本模型是 bert-base-cased 在未知數據集上的微調版本。它在評估集上取得了如下結果，具備一定的性能表現，可用於相關的命名實體識別任務。

🚀 快速開始

此模型可直接基於 Hugging Face 的 Transformers 庫進行加載和使用，以下是簡單示例：

from transformers import AutoModelForTokenClassification, AutoTokenizer

model = AutoModelForTokenClassification.from_pretrained("bert-finetuned-ner_0")
tokenizer = AutoTokenizer.from_pretrained("bert-finetuned-ner_0")

✨ 主要特性

• 基於預訓練的 bert-base-cased 模型進行微調，能更好地適應特定數據集。
• 在評估集上有明確的性能指標，如損失值、精確率、召回率、F1 值和準確率。

📦 安裝指南

若要使用此模型，需安裝相關依賴庫：

pip install transformers==4.20.0 torch==1.11.0 datasets==2.3.2 tokenizers==0.12.1

📚 詳細文檔

模型描述

本模型是 bert-base-cased 的微調版本，不過具體在何種未知數據集上微調還需進一步補充信息。

預期用途與限制

目前關於此模型的預期用途和限制信息不足，後續可補充更多內容以明確其適用場景和侷限性。

訓練和評估數據

訓練和評估所使用的數據信息暫未提供，後續可進一步補充。

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：2e-05
• 訓練批次大小：8
• 評估批次大小：8
• 隨機種子：42
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 學習率調度器類型：線性
• 訓練輪數：3

訓練結果

框架版本

• Transformers 4.20.0
• Pytorch 1.11.0
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 Apache-2.0 許可證。