Bert Base Cased Finetuned Mnli

🚀 bert-base-cased-finetuned-mnli

該模型是 bert-base-cased 在GLUE MNLI數據集上的微調版本。它在文本分類任務中表現出色，能夠有效提升分類的準確性，為相關自然語言處理應用提供了有力支持。

🚀 快速開始

此模型是 bert-base-cased 在GLUE MNLI數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.5721
• 準確率：0.8410

該模型經過微調，用於比較 google/fnet-base（如 這篇論文 中所介紹）與 bert-base-cased 的性能。

📦 安裝指南

此模型使用 run_glue 腳本進行訓練。使用以下命令：

#!/usr/bin/bash

python ../run_glue.py \
  --model_name_or_path bert-base-cased \
  --task_name mnli \
  --do_train \
  --do_eval \
  --max_seq_length 512 \
  --per_device_train_batch_size 16 \
  --learning_rate 2e-5 \
  --num_train_epochs 3 \
  --output_dir bert-base-cased-finetuned-mnli \
  --push_to_hub \
  --hub_strategy all_checkpoints \
  --logging_strategy epoch \
  --save_strategy epoch \
  --evaluation_strategy epoch

訓練超參數

訓練期間使用了以下超參數：

• 學習率：2e-05
• 訓練批次大小：16
• 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：3.0

訓練結果

框架版本

• Transformers 4.11.0.dev0
• Pytorch 1.9.0
• Datasets 1.12.1
• Tokenizers 0.10.3

📄 許可證

本模型使用Apache-2.0許可證。

📚 詳細文檔