BART_subjqa_model_v3
Chetna19
Pregunta y respuesta
Este modelo es una versión afinada de valhalla/bart-large-finetuned-squadv1 en el conjunto de datos None. Logra los siguientes resultados en el conjunto de evaluación: Pérdida: 8.2682. Más información necesaria en varias secciones.
Como usar
Hiperparámetros de Entrenamiento
Los siguientes hiperparámetros fueron utilizados durante el entrenamiento:
- learning_rate: 2e-05
- train_batch_size: 32
- eval_batch_size: 32
- seed: 42
- optimizador: Adam con betas=(0.9,0.999) y epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 5
Resultados de Entrenamiento
| Pérdida de Entrenamiento | Época | Paso | Pérdida de Validación |
|---|---|---|---|
| No hay log | 1.0 | 103 | 7.2154 |
| No hay log | 2.0 | 206 | 7.3315 |
| No hay log | 3.0 | 309 | 7.5881 |
| No hay log | 4.0 | 412 | 8.0160 |
| 0.0572 | 5.0 | 515 | 8.2682 |
Versiones del Framework
- Transformers 4.28.0
- Pytorch 1.13.0a0+d321be6
- Datasets 2.12.0
- Tokenizers 0.13.3
Funcionalidades
- Afinado a partir de valhalla/bart-large-finetuned-squadv1
- Pérdida de 8.2682 en el conjunto de evaluación
- Compatible con PyTorch, TensorBoard y Transformers
- Generado a partir de Trainer
- Compatibilidad con Inferencia en Endpoints
- Region: US
Casos de uso
- Responder preguntas basadas en un texto dado
- Aplicaciones de respuesta a preguntas en NLP
- Integración con endpoints de inferencia para despliegues dedicados