说明文档

https://huggingface.co/textattack/bert-base-uncased-rotten-tomatoes 添加了 ONNX 权重以兼容 Transformers PHP

TextAttack 模型卡片

此 `bert-base-uncased` 模型使用 TextAttack 和通过 `nlp` 库加载的 rotten_tomatoes 数据集进行了序列分类任务的微调。
该模型微调了 10 个 epoch，批次大小为 16，学习率为 2e-05，最大序列长度为 128。
由于这是一个分类任务，模型使用交叉熵损失函数进行训练。
该模型在此任务上取得的最佳分数为 0.875234521575985（通过验证集准确率测量），在第 4 个 epoch 后达到。

更多信息，请查看 [TextAttack on Github](https://github.com/QData/TextAttack)。

注意：为 ONNX 权重设置单独的仓库是一个临时解决方案，直到 WebML 获得更广泛的应用。如果您想让您的模型支持 Web 端，我们建议使用 🤗 Optimum 转换为 ONNX 格式，并按照此仓库的结构组织（将 ONNX 权重放在名为 onnx 的子文件夹中）。

codewithkyrian/bert-base-uncased-rotten-tomatoes

作者 codewithkyrian

text-classification Transformers PHP

↓ 1 ♥ 0

创建时间: 2024-03-14 15:05:09+00:00

更新时间: 2024-03-14 15:09:56+00:00

在 Hugging Face 上查看

文件 (10)

.gitattributes

README.md

config.json

onnx/model.onnx ONNX

onnx/model_quantized.onnx ONNX

quantize_config.json

special_tokens_map.json

tokenizer.json

tokenizer_config.json

vocab.txt