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 模型索引:
• 名称: bert-base-cased-finetuned-qnli 结果:
  • 任务: 名称: 文本分类 类型: text-classification 数据集: 名称: GLUE QNLI 类型: glue 参数: qnli 评估指标:
    • 名称: 准确率 类型: accuracy 值: 0.9099395936298736

bert-base-cased微调版qnli模型

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

• 损失值: 0.3986
• 准确率: 0.9099

该模型的微调旨在对比谷歌/fnet-base（如此论文所述）与bert-base-cased的性能差异。

模型说明

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。所用命令如下:

#!/usr/bin/bash

python ../run_glue.py \\n  --model_name_or_path bert-base-cased \\n  --task_name qnli \\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-qnli \\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

训练期间使用以下超参数:
- 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: linear
- 训练轮数: 3.0

### 训练结果

| 训练损失 | 轮次 | 步数  | 准确率 | 验证损失 |
|:-------------:|:-----:|:-----:|:--------:|:---------------:|
| 0.337         | 1.0   | 6547  | 0.9013   | 0.2448          |
| 0.1971        | 2.0   | 13094 | 0.9143   | 0.2839          |
| 0.1175        | 3.0   | 19641 | 0.9099   | 0.3986          |


### 框架版本

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