Language Detection Fine Tuned On Xlm Roberta Base

🚀 基於XLM-RoBERTa-base微調的語言檢測模型

本模型是基於 xlm-roberta-base 在 common_language 數據集上進行微調得到的。它能有效解決語言檢測問題，在評估集上展現出了較高的準確性，具有重要的實用價值。

📚 詳細文檔

評估集結果

該模型在評估集上取得了以下結果：

• 損失值（Loss）：0.1886
• 準確率（Accuracy）：0.9738

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：3e-05
• 訓練批次大小（train_batch_size）：1
• 評估批次大小（eval_batch_size）：1
• 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
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：500
• 訓練輪數（num_epochs）：1
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers：4.12.5
• Pytorch：1.10.0+cu111
• Datasets：1.15.1
• Tokenizers：0.10.3

筆記本

notebook

📄 許可證

本項目採用 MIT 許可證。

🔍 模型信息