ONNX 模型库
返回模型

说明文档

<!-- 此模型卡片已根据 Trainer 可访问的信息自动生成。您可能应该校对并完善它，然后删除此注释。 -->

modelsent_test

此模型是基于 albert/albert-base-v2 在 None 数据集上微调的版本。 它在评估集上取得了以下结果：

  • Loss（损失）: 0.2379
  • Accuracy（准确率）: 0.9261
  • F1: 0.9261
  • Precision（精确率）: 0.9261
  • Recall（召回率）: 0.9261
  • Accuracy Label Negative（负面标签准确率）: 0.9242
  • Accuracy Label Positive（正面标签准确率）: 0.9278

模型描述

更多信息待补充

预期用途与限制

更多信息待补充

训练和评估数据

更多信息待补充

训练过程

训练超参数

训练过程中使用了以下超参数：

  • learning_rate（学习率）: 2e-05
  • train_batch_size（训练批次大小）: 16
  • eval_batch_size（评估批次大小）: 16
  • seed（随机种子）: 42
  • gradient_accumulation_steps（梯度累积步数）: 2
  • total_train_batch_size（总训练批次大小）: 32
  • optimizer（优化器）: 使用 OptimizerNames.ADAMW_TORCH，betas=(0.9,0.999)，epsilon=1e-08，optimizer_args=无额外优化器参数
  • lr_scheduler_type（学习率调度器类型）: linear
  • lr_scheduler_warmup_steps（学习率预热步数）: 500
  • num_epochs（训练轮数）: 3

训练结果

Training Loss Epoch Step Validation Loss Accuracy F1 Precision Recall Accuracy Label Negative Accuracy Label Positive
0.5403 0.2442 100 0.5274 0.7611 0.7596 0.7728 0.7611 0.8535 0.6746
0.2673 0.4884 200 0.2806 0.8980 0.8980 0.8994 0.8980 0.9230 0.8746
0.247 0.7326 300 0.2610 0.9029 0.9024 0.9074 0.9029 0.8434 0.9586
0.2357 0.9768 400 0.2560 0.9084 0.9084 0.9096 0.9084 0.9318 0.8864
0.2094 1.2198 500 0.3127 0.9090 0.9089 0.9123 0.9090 0.9508 0.8698
0.1695 1.4640 600 0.2298 0.9188 0.9187 0.9189 0.9188 0.9053 0.9314
0.2024 1.7082 700 0.2218 0.9206 0.9206 0.9214 0.9206 0.9394 0.9030
0.1155 1.9524 800 0.2061 0.9236 0.9236 0.9236 0.9236 0.9192 0.9278
0.1361 2.1954 900 0.2299 0.9218 0.9218 0.9226 0.9218 0.9407 0.9041
0.1235 2.4396 1000 0.2668 0.9212 0.9212 0.9246 0.9212 0.9634 0.8817
0.084 2.6838 1100 0.2733 0.9218 0.9218 0.9240 0.9218 0.9545 0.8911
0.1326 2.9280 1200 0.2395 0.9249 0.9249 0.9249 0.9249 0.9192 0.9302

框架版本

  • Transformers 4.49.0
  • Pytorch 2.5.1+cu124
  • Datasets 3.3.2
  • Tokenizers 0.21.0

Frenz/modelsent_test

作者 Frenz

text-classification transformers
↓ 1 ♥ 0

创建时间: 2024-06-02 11:31:29+00:00

更新时间: 2025-03-12 19:14:14+00:00

在 Hugging Face 上查看

文件 (17)

.gitattributes
README.md
config.json
model.safetensors
runs/Dec19_20-58-22_bd1bb20444ea/events.out.tfevents.1734641916.bd1bb20444ea.1518.0
runs/Jun02_11-18-47_abf2682c2968/events.out.tfevents.1717327130.abf2682c2968.2623.2
runs/Jun02_11-18-47_abf2682c2968/events.out.tfevents.1717327818.abf2682c2968.2623.3
runs/Jun16_10-55-42_e074026fd21f/events.out.tfevents.1718535344.e074026fd21f.458.0
runs/Jun16_10-55-42_e074026fd21f/events.out.tfevents.1718536095.e074026fd21f.458.1
sentiment-int8.onnx ONNX
special_tokens_map.json
spiece.model
tokenizer.json
tokenizer_config.json
tokenizer_sentiment.pkl
trainer_state.json
training_args.bin