ONNX 模型库
返回模型

说明文档

模型卡片

<!-- 提供模型的快速摘要 -->

模型详情

模型描述

<!-- 提供模型的详细说明 -->

这是一个已推送到 Hub 的 🤗 transformers 模型的模型卡片。此模型卡片已自动生成。

  • 开发者: [需要更多信息]
  • 资金支持 [可选]: [需要更多信息]
  • 共享者 [可选]: [需要更多信息]
  • 模型类型: [需要更多信息]
  • 语言(s) (NLP): [需要更多信息]
  • 许可证: [需要更多信息]
  • 微调自模型 [可选]: [需要更多信息]

模型来源 [可选]

<!-- 提供模型的基本链接 -->

  • 代码库: [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]

用途

<!-- 说明模型的预期使用方式,包括可预见的用户和受模型影响的人员 -->

直接使用

<!-- 本节介绍无需微调或集成到更大生态系统/应用中的模型使用方式 -->

[需要更多信息]

下游使用 [可选]

<!-- 本节介绍针对特定任务进行微调或集成到更大生态系统/应用时的模型使用方式 -->

[需要更多信息]

超出范围的使用

<!-- 本节说明误用、恶意使用以及模型不适合的使用场景 -->

[需要更多信息]

偏见、风险和局限性

<!-- 本节旨在传达技术和社技术方面的局限性 -->

[需要更多信息]

建议

<!-- 本节旨在传达关于偏见、风险和技术局限性的建议 -->

用户(包括直接用户和下游用户)应当了解模型的风险、偏见和局限性。需要更多信息以提供进一步的建议。

如何开始使用该模型

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

<!-- 此处应链接到数据集卡片,可能包含关于训练数据的简要说明以及与数据预处理或额外过滤相关的文档 -->

[需要更多信息]

训练过程

<!-- 这与技术规格密切相关。当与训练过程相关时,此处的应链接到该部分 -->

预处理 [可选]

[需要更多信息]

训练超参数

  • 训练机制: [需要更多信息] <!--fp32、fp16 混合精度、bf16 混合精度、bf16 非混合精度、fp16 非混合精度、fp8 混合精度 -->

速度、大小、时间 [可选]

<!-- 本节提供有关吞吐量、开始/结束时间、检查点大小(如相关)等信息 -->

[需要更多信息]

评估

<!-- 本节描述评估协议并提供结果 -->

测试数据、因素和指标

测试数据

<!-- 如可能,此处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因素,例如子群体或领域 -->

[需要更多信息]

指标

<!-- 这些是使用的评估指标,最好包含使用原因的说明 -->

[需要更多信息]

结果

[需要更多信息]

总结

模型审查 [可选]

<!-- 模型的相关可解释性工作放在此处 -->

[需要更多信息]

环境影响

<!-- 总排放量(以 CO2eq 克为单位)和其他考虑因素(如电力使用)放在此处。相应地编辑下面的建议文本 -->

碳排放可以使用 Lacoste et al. (2019) 中提出的 机器学习影响计算器 进行估算。

  • 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]
  • 碳排放量: [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

[需要更多信息]

硬件

[需要更多信息]

软件

[需要更多信息]

引用 [可选]

<!-- 如果有介绍该模型的论文或博客文章,APA 和 BibTeX 信息应放在本节 -->

BibTeX:

[需要更多信息]

APA:

[需要更多信息]

术语表 [可选]

<!-- 如相关,在本节中包含可帮助读者理解模型或模型卡片的术语和计算 -->

[需要更多信息]

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]

ViFortune-AI/Viguardrail-toxicity

作者 ViFortune-AI

text-classification transformers
↓ 0 ♥ 0

创建时间: 2025-12-05 05:19:06+00:00

更新时间: 2025-12-16 05:03:08+00:00

在 Hugging Face 上查看

文件 (13)

.gitattributes
README.md
config.json
model.onnx ONNX
model.safetensors
optimizer.pt
rng_state.pth
scaler.pt
scheduler.pt
sentencepiece.bpe.model
special_tokens_map.json
tokenizer.json
tokenizer_config.json