🚀 模型ID的模型卡片
本模型卡片介绍了一个已发布在Hub上的transformers模型。该模型卡片由系统自动生成,能帮助用户快速了解模型的基本信息和使用方法。
📚 详细文档
模型描述
这是一个已发布在Hub上的🤖 transformers模型的模型卡片,此模型卡片是自动生成的。
属性 |
详情 |
开发者 |
[需要更多信息] |
资助方(可选) |
[需要更多信息] |
共享方(可选) |
[需要更多信息] |
模型类型 |
[需要更多信息] |
语言(NLP) |
[需要更多信息] |
许可证 |
[需要更多信息] |
微调基础模型(可选) |
[需要更多信息] |
模型来源(可选)
- 仓库地址:[需要更多信息]
- 论文(可选):[需要更多信息]
- 演示(可选):[需要更多信息]
🛠️ 使用说明
直接使用
此部分介绍模型在未经微调或未集成到更大生态系统/应用中的使用方式。[需要更多信息]
下游使用(可选)
此部分介绍模型在针对特定任务进行微调后,或集成到更大生态系统/应用中的使用方式。[需要更多信息]
非预期使用
此部分讨论模型的误用、恶意使用以及模型效果不佳的使用场景。[需要更多信息]
⚠️ 偏差、风险和局限性
此部分旨在传达模型的技术和社会技术局限性。[需要更多信息]
建议
用户(包括直接用户和下游用户)应了解模型的风险、偏差和局限性。如需进一步建议,还需更多信息。
🚀 快速开始
使用以下代码开始使用该模型。[需要更多信息]
📈 训练详情
训练数据
此部分应链接到数据集卡片,可能还需简要介绍训练数据的相关信息,以及数据预处理或额外过滤的文档。[需要更多信息]
训练过程
预处理(可选)
[需要更多信息]
训练超参数
速度、大小、时间(可选)
此部分提供有关吞吐量、开始/结束时间、检查点大小(如适用)等信息。[需要更多信息]
🧪 评估
测试数据、因素和指标
测试数据
如有可能,此部分应链接到数据集卡片。[需要更多信息]
因素
这些是评估所细分的方面,例如子群体或领域。[需要更多信息]
指标
这些是所使用的评估指标,理想情况下应说明原因。[需要更多信息]
结果
[需要更多信息]
总结
🕵️ 模型审查(可选)
此部分介绍与模型可解释性相关的工作。[需要更多信息]
🌱 环境影响
可以使用Lacoste等人(2019)中提出的机器学习影响计算器来估算碳排放。
属性 |
详情 |
硬件类型 |
[需要更多信息] |
使用时长 |
[需要更多信息] |
云服务提供商 |
[需要更多信息] |
计算区域 |
[需要更多信息] |
碳排放 |
[需要更多信息] |
📋 技术规格(可选)
模型架构和目标
[需要更多信息]
计算基础设施
硬件
[需要更多信息]
软件
[需要更多信息]
📚 引用(可选)
BibTeX:
[需要更多信息]
APA:
[需要更多信息]
📖 术语表(可选)
如果相关,此部分包含有助于读者理解模型或模型卡片的术语和计算方法。[需要更多信息]
ℹ️ 更多信息(可选)
[需要更多信息]
📝 模型卡片作者(可选)
[需要更多信息]
📞 模型卡片联系方式
[需要更多信息]