---
library_name: transformers
pipeline_tag: feature-extraction
---

# 模型卡片

<!-- 提供模型的简要概述 -->

## 模型详情

### 模型描述

<!-- 提供关于该模型的更详细说明 -->

这是一个🤗 transformers模型的模型卡片，该模型已推送至Hub。此模型卡片为自动生成。

- **开发者:** [需要更多信息]
- **资助方[可选]:** [需要更多信息]
- **共享方[可选]:** [需要更多信息]
- **模型类型:** [需要更多信息]
- **语言(NLP):** [需要更多信息]
- **许可证:** [需要更多信息]
- **微调自模型[可选]:** [需要更多信息]

### 模型来源[可选]

<!-- 提供模型的基本链接 -->

- **仓库:** [需要更多信息]
- **论文[可选]:** [需要更多信息]
- **演示[可选]:** [需要更多信息]

## 用途

<!-- 回答模型预期用途相关问题，包括模型的预期用户及受模型影响的人群 -->

### 直接使用

<!-- 此部分描述无需微调或集成到更大生态系统/应用中的模型使用方式 -->

[需要更多信息]

### 下游使用[可选]

<!-- 此部分描述针对任务微调后或集成到更大生态系统/应用中的模型使用方式 -->

[需要更多信息]

### 超出范围的使用

<!-- 此部分涉及误用、恶意使用以及模型不适用的情况 -->

[需要更多信息]

## 偏见、风险与限制

<!-- 此部分旨在说明技术和社技术限制 -->

[需要更多信息]

### 建议

<!-- 此部分针对偏见、风险和技术限制提出建议 -->

用户(包括直接使用和下游使用)应了解模型的风险、偏见和限制。需要更多信息以提供进一步建议。

## 快速开始

使用以下代码开始使用该模型。

[需要更多信息]

## 训练详情

### 训练数据

<!-- 此处应链接至数据集卡片，简要说明训练数据内容及相关预处理或额外过滤的文档 -->

[需要更多信息]

### 训练流程

<!-- 此部分与"技术规格"密切相关。相关内容应链接至该部分 -->

#### 预处理[可选]

[需要更多信息]

#### 训练超参数

- **训练方案:** [需要更多信息] <!--fp32, fp16混合精度, bf16混合精度, bf16非混合精度, fp16非混合精度, fp8混合精度 -->

#### 速度、规模、时间[可选]

<!-- 此部分提供吞吐量、开始/结束时间、检查点大小等相关信息 -->

[需要更多信息]

## 评估

<!-- 此部分描述评估协议并提供结果 -->

### 测试数据、因素与指标

#### 测试数据

<!-- 此处应尽可能链接至数据集卡片 -->

[需要更多信息]

#### 因素

<!-- 评估所区分的维度，如子群体或领域 -->

[需要更多信息]

#### 指标

<!-- 使用的评估指标，最好说明原因 -->

[需要更多信息]

### 结果

[需要更多信息]

#### 总结

## 模型检查[可选]

<!-- 模型可解释性相关工作 -->

[需要更多信息]

## 环境影响

<!-- 总碳排放量(以CO2当量克计)及其他考虑因素，如电力使用 -->

可使用[Lacoste等人(2019)](https://arxiv.org/abs/1910.09700)提出的[机器学习影响计算器](https://mlco2.github.io/impact#compute)估算碳排放量。

- **硬件类型:** [需要更多信息]
- **使用时长:** [需要更多信息]
- **云服务提供商:** [需要更多信息]
- **计算区域:** [需要更多信息]
- **碳排放量:** [需要更多信息]

## 技术规格[可选]

### 模型架构与目标

[需要更多信息]

### 计算基础设施

[需要更多信息]

#### 硬件

[需要更多信息]

#### 软件

[需要更多信息]

## 引用[可选]

<!-- 如果有介绍该模型的论文或博客文章，应在此部分提供APA和Bibtex格式信息 -->

**Bibtex:**

[需要更多信息]

**APA:**

[需要更多信息]

## 术语表[可选]

<!-- 如有需要，可在此部分包含帮助读者理解模型或模型卡片的术语和计算 -->

[需要更多信息]

## 更多信息[可选]

[需要更多信息]

## 模型卡片作者[可选]

[需要更多信息]

## 模型卡片联系人

[需要更多信息]