---

library_name: transformers
tags: []

模型ID信息卡

模型详情

模型描述

这是托管在Hub上的🤗 transformers模型信息卡，由系统自动生成。

• 开发者: [需补充信息]
• 资助方[可选]: [需补充信息]
• 共享方[可选]: [需补充信息]
• 模型类型: [需补充信息]
• 支持语言(NLP): [需补充信息]
• 许可证: [需补充信息]
• 微调自模型[可选]: [需补充信息]

模型来源[可选]

• 代码库: [需补充信息]
• 论文[可选]: [需补充信息]
• 演示[可选]: [需补充信息]

用途

直接使用

[需补充信息]

下游任务使用[可选]

[需补充信息]

超范围使用

[需补充信息]

偏差、风险与局限性

[需补充信息]

使用建议

直接用户和下游用户应充分了解模型的风险、偏差及局限性。需补充更多信息以提供进一步建议。

快速开始

使用以下代码加载模型：

[需补充信息]

训练详情

训练数据

[需补充信息]

训练流程

预处理[可选]

[需补充信息]

训练超参数

• 训练模式: [需补充信息]

速度、规模与耗时[可选]

[需补充信息]

评估

测试数据、因素与指标

测试数据

[需补充信息]

评估维度

[需补充信息]

评估指标

[需补充信息]

评估结果

[需补充信息]

总结

模型检验[可选]

[需补充信息]

环境影响

碳排放量可通过Lacoste等人(2019)提出的机器学习碳影响计算器估算。

• 硬件类型: [需补充信息]
• 使用时长: [需补充信息]
• 云服务商: [需补充信息]
• 计算区域: [需补充信息]
• 碳排放量: [需补充信息]

技术规格[可选]

模型架构与目标

[需补充信息]

计算基础设施

[需补充信息]

硬件

[需补充信息]

软件

[需补充信息]

引用[可选]

Bibtex格式:

[需补充信息]

APA格式:

[需补充信息]

术语表[可选]

[需补充信息]

扩展信息[可选]

[需补充信息]

信息卡作者[可选]

[需补充信息]

信息卡联系人

[需补充信息]