语言:

• 英文 许可证: apache-2.0 标签:
• 训练器生成
• fnet-bert-base对比 数据集:
• glue 评估指标:
• 准确率
• F1值 模型索引:
• 名称: bert-base-cased微调qqp 结果:
  • 任务: 名称: 文本分类 类型: 文本分类 数据集: 名称: GLUE QQP 类型: glue 参数: qqp 评估指标:
    • 名称: 准确率 类型: 准确率 值: 0.9083848627256987
    • 名称: F1值 类型: f1 值: 0.8767633750332712

bert-base-cased微调qqp模型

本模型是基于bert-base-cased在GLUE QQP数据集上微调的版本。 在评估集上取得如下结果：

• 损失值: 0.3752
• 准确率: 0.9084
• F1值: 0.8768
• 综合得分: 0.8926

该模型微调的目的是为了比较谷歌/fnet-base（如此论文所述）与bert-base-cased的性能差异。

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

训练流程

本模型使用run_glue脚本训练。训练命令如下：

#!/usr/bin/bash

python ../run_glue.py \\n  --model_name_or_path bert-base-cased \\n  --task_name qqp \\n  --do_train \\n  --do_eval \\n  --max_seq_length 512 \\n  --per_device_train_batch_size 16 \\n  --learning_rate 2e-5 \\n  --num_train_epochs 3 \\n  --output_dir bert-base-cased-finetuned-qqp \\n  --push_to_hub \\n  --hub_strategy all_checkpoints \\n  --logging_strategy epoch \\n  --save_strategy epoch \\n  --evaluation_strategy epoch \\n```


### 训练超参数

训练过程中使用的超参数：
- 学习率: 2e-05
- 训练批次大小: 16
- 评估批次大小: 8
- 随机种子: 42
- 优化器: 带betas=(0.9,0.999)和epsilon=1e-08的Adam
- 学习率调度器类型: 线性
- 训练轮次: 3.0

### 训练结果

| 训练损失 | 训练轮次 | 步数  | 验证损失 | 准确率 | F1值  | 综合得分 |
|:-------------:|:-----:|:-----:|:---------------:|:--------:|:------:|:--------------:|
| 0.308         | 1.0   | 22741 | 0.2548          | 0.8925   | 0.8556 | 0.8740         |
| 0.201         | 2.0   | 45482 | 0.2881          | 0.9032   | 0.8698 | 0.8865         |
| 0.1416        | 3.0   | 68223 | 0.3752          | 0.9084   | 0.8768 | 0.8926         |


### 框架版本

- Transformers 4.11.0.dev0
- Pytorch 1.9.0
- Datasets 1.12.1
- Tokenizers 0.10.3