Distilbert Base Uncased Finetuned Ner

🚀 预训练模型：distilbert-base-uncased-finetuned-ner

本模型是基于 distilbert-base-uncased 在 conll2003 数据集上进行微调的版本。它在评估集上取得了出色的效果，能够精准地完成相关任务，为自然语言处理领域的命名实体识别（NER）任务提供了有力支持。

📚 详细文档

模型评估结果

该模型在评估集上取得了以下成绩：

• 损失值（Loss）：0.0609
• 精确率（Precision）：0.9244
• 召回率（Recall）：0.9374
• F1值（F1）：0.9308
• 准确率（Accuracy）：0.9836

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：2e-05
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon=1e-08
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：3

训练结果

框架版本

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

📄 许可证

本模型采用 Apache-2.0 许可证。

📋 模型信息表格