Batteryscibert Uncased Abstract

🚀 BatterySciBERT-uncased用於電池摘要分類

BatterySciBERT-uncased是一個專門用於電池摘要分類的語言模型，它基於英文語料訓練，能高效準確地完成文本分類任務，為電池領域的文本處理提供了有力支持。

🚀 快速開始

你可以通過以下鏈接查看代碼示例：example

✨ 主要特性

• 語言模型：batteryscibert-uncased
• 適用語言：英文
• 下游任務：文本分類
• 基礎設施：8x DGX A100

📦 安裝指南

文檔未提供具體安裝步驟，暫不展示。

💻 使用示例

基礎用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
model_name = "batterydata/batteryscibert-uncased-abstract"

# a) Get predictions
nlp = pipeline('text-classification', model=model_name, tokenizer=model_name)
input = {'The typical non-aqueous electrolyte for commercial Li-ion cells is a solution of LiPF6 in linear and cyclic carbonates.'}
res = nlp(input)

# b) Load model & tokenizer
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

📚 詳細文檔

超參數設置

batch_size = 32
n_epochs = 14
base_LM_model = "batteryscibert-uncased"
learning_rate = 2e-5

性能表現

"Validation accuracy": 97.12,
"Test accuracy": 97.47,

數據信息

🔧 技術細節

文檔未提供具體技術細節，暫不展示。

📄 許可證

本項目採用Apache 2.0許可證。

👥 作者信息

• Shu Huang: sh2009 [at] cam.ac.uk
• Jacqueline Cole: jmc61 [at] cam.ac.uk

📖 引用信息

請引用以下論文：BatteryBERT: A Pre-trained Language Model for Battery Database Enhancement