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微调mnli版 结果:
  • 任务: 名称: 文本分类 类型: 文本分类 数据集: 名称: GLUE MNLI 类型: glue 参数: mnli 指标:
    • 名称: 准确率 类型: 准确率 值: 0.8410292921074044

bert-base-cased微调MNLI版

本模型是基于bert-base-cased在GLUE MNLI数据集上微调的版本，评估集表现如下：

• 损失值: 0.5721
• 准确率: 0.8410

此模型专为对比研究而微调，旨在比较谷歌/fnet-base（参见该论文）与bert-base-cased的性能差异。

模型说明

（待补充详细信息）

使用场景与限制

（待补充详细信息）

训练与评估数据

（待补充详细信息）

训练流程

模型使用run_glue脚本训练，具体命令如下：

#!/usr/bin/bash

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

- 学习率: 2e-05
- 训练批大小: 16
- 评估批大小: 8
- 随机种子: 42
- 优化器: Adam (β1=0.9, β2=0.999, ε=1e-08)
- 学习率调度器类型: 线性
- 训练轮次: 3.0

### 训练结果

| 训练损失 | 轮次 | 步数 | 验证损失 | 准确率 |
|:--------:|:----:|:----:|:--------:|:------:|
| 0.5323   | 1.0  | 24544 | 0.4431 | 0.8302 |
| 0.3447   | 2.0  | 49088 | 0.4725 | 0.8353 |
| 0.2267   | 3.0  | 73632 | 0.5887 | 0.8368 |

### 框架版本

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