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:
• 马修斯相关系数 模型索引:
• 名称: bert-base-cased微调cola版 结果:
  • 任务: 名称: 文本分类 类型: 文本分类 数据集: 名称: GLUE COLA 类型: glue 参数: cola 指标:
    • 名称: 马修斯相关系数 类型: 马修斯相关系数 值: 0.5956649094312695

bert-base-cased微调cola版

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

• 损失值: 0.6747
• 马修斯相关系数: 0.5957

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

模型描述

（待补充详细信息）

预期用途与限制

（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

本模型使用run_glue脚本训练，具体执行命令如下：

#!/usr/bin/bash

python ../run_glue.py \\n  --model_name_or_path bert-base-cased \\n  --task_name cola \\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-cola \\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配置：
- 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 | 轮次 | 步数 | 验证损失 | 马修斯相关系数 |
|:--------:|:----:|:----:|:--------:|:-------------:|
| 0.4921   | 1.0  | 535  | 0.5283   | 0.5068        |
| 0.2837   | 2.0  | 1070 | 0.5133   | 0.5521        |
| 0.1775   | 3.0  | 1605 | 0.6747   | 0.5957        |

### 框架版本

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