库名称: transformers
许可证: mit
基础模型: dbmdz/bert-base-turkish-128k-uncased
标签:

• 训练生成
• 土耳其语
  评估指标:
• 准确率
• F1值
• 精确率
• 召回率
  模型索引:
• 名称: turkish-zeroshot-large
  结果: []
  数据集:
• facebook/xnli
  语言:
• tr
  流水线标签: 零样本分类

turkish-zeroshot-large

该模型是基于dbmdz/bert-base-turkish-128k-uncased在facebook/xnli土耳其语数据集上微调的版本。
在评估集上取得了以下结果:

• 损失: 0.6957
• 准确率: 0.7622
• F1值: 0.7621
• 精确率: 0.7702
• 召回率: 0.7622

使用方法

# 使用流水线作为高级辅助工具  

pipe = pipeline(  
    "zero-shot-classification",  
    model="kaixkhazaki/turkish-zeroshot-large",  
    tokenizer="kaixkhazaki/turkish-zeroshot-large",  
    device=0 if torch.cuda.is_available() else -1  # 如果可用则使用GPU  
)  

# 输入文本和分类候选标签  
sequence = "Bu laptopun pil ömrü ne kadar dayanıyor?"  
candidate_labels = ["ürün özellikleri", "soru", "bilgi talebi", "laptop", "teknik destek"]  

pipe(  
    sequence,  
    candidate_labels,  
)  

>>  
{'sequence': 'Bu laptopun pil ömrü ne kadar dayanıyor?',  
'labels': ['ürün özellikleri', 'laptop', 'soru', 'bilgi talebi', 'teknik destek'],  
'scores': [0.31062474846839905, 0.2971721291542053, 0.1954265981912613, 0.13260306417942047, 0.06417346745729446]}  

模型描述

需补充更多信息

预期用途与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练过程

训练超参数

训练过程中使用了以下超参数:

• 学习率: 5e-05
• 训练批次大小: 64
• 评估批次大小: 32
• 随机种子: 42
• 优化器: 使用adamw_torch，beta=(0.9,0.999)，epsilon=1e-08，无额外优化器参数
• 学习率调度器类型: cosine
• 学习率预热步数: 500
• 训练轮数: 5

训练结果

框架版本

• Transformers 4.48.0.dev0
• Pytorch 2.4.1+cu121
• Datasets 3.1.0
• Tokenizers 0.21.0