语言:

• 英语 许可证: apache-2.0 标签:
• 训练生成 数据集:
• surrey-nlp/PLOD-unfiltered 评估指标:
• 精确率
• 召回率
• F1值
• 准确率 示例输入:
• 文本: 烃类氧化产生的轻质溶解无机碳(DIC)。
• 文本: 图1中绘制了听觉皮层背侧区(DZ)部分神经元的RAF曲线。
• 文本: 图像使用升级了平面回波成像(EPI)功能的GE 3.0T磁共振扫描仪获取。 基础模型: albert-large-v2 模型索引:
• 名称: albert-large-v2-finetuned-ner_with_callbacks 结果:
  • 任务: 类型: 标记分类 名称: 标记分类 数据集: 名称: surrey-nlp/PLOD-unfiltered 类型: 标记分类 参数: PLODunfiltered 指标:
    • 类型: 精确率 值: 0.9655166719570215 名称: 精确率
    • 类型: 召回率 值: 0.9608483288141474 名称: 召回率
    • 类型: F1值 值: 0.9631768437660728 名称: F1值
    • 类型: 准确率 值: 0.9589410429715819 名称: 准确率

albert-large-v2微调版-ner_with_callbacks

该模型是基于albert-large-v2在PLOD-unfiltered数据集上微调的版本。 在评估集上取得如下结果:

• 损失值: 0.1235
• 精确率: 0.9655
• 召回率: 0.9608
• F1值: 0.9632
• 准确率: 0.9589

模型描述

待补充更多信息

使用场景与限制

待补充更多信息

训练与评估数据

待补充更多信息

训练流程

训练超参数

训练过程中使用以下超参数:

• 学习率: 2e-05
• 训练批次大小: 8
• 评估批次大小: 4
• 随机种子: 42
• 优化器: Adam (β1=0.9, β2=0.999, ε=1e-08)
• 学习率调度器类型: 线性
• 训练轮数: 6

训练结果

框架版本

• Transformers 4.18.0
• PyTorch 1.10.1+cu111
• Datasets 2.1.0
• Tokenizers 0.12.1