Distilbert Base Uncased Finetuned Ner

🚀 預訓練模型：distilbert-base-uncased-finetuned-ner

本模型是基於 distilbert-base-uncased 在 conll2003 數據集上進行微調的版本。它在評估集上取得了出色的效果，能夠精準地完成相關任務，為自然語言處理領域的命名實體識別（NER）任務提供了有力支持。

📚 詳細文檔

模型評估結果

該模型在評估集上取得了以下成績：

• 損失值（Loss）：0.0609
• 精確率（Precision）：0.9244
• 召回率（Recall）：0.9374
• F1值（F1）：0.9308
• 準確率（Accuracy）：0.9836

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：2e-05
• 訓練批次大小（train_batch_size）：16
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon=1e-08
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：3

訓練結果

框架版本

• Transformers：4.16.2
• Pytorch：1.10.0+cu111
• Datasets：1.18.3
• Tokenizers：0.11.0

📄 許可證

本模型採用 Apache-2.0 許可證。

📋 模型信息表格