许可证：apache-2.0
基础模型：distilbert-base-uncased
标签：

• 训练生成
  数据集：
• emotion
  评估指标：
• 准确率
• F1值

模型索引：

• 名称：DistilBERT-finetuned-on-emotion
  结果：
  • 任务：
    名称：文本分类
    类型：text-classification
    数据集：
    名称：emotion
    类型：emotion
    配置：split
    拆分：validation
    参数：split
    评估指标：
    • 名称：准确率
      类型：accuracy
      值：0.9235
    • 名称：F1值
      类型：f1
      值：0.9234955371382243

示例输入：

• 文本："你的手轻轻触碰我的手，这份无声的承诺在我心间回响。"
• 文本："穿过布满灰尘的阁楼，我偶然发现一扇隐藏的门。怀着忐忑与兴奋交织的心情，我推开门，本以为会看到蛛网和遗忘的杂物。然而，涌入的阳光却揭示了一个秘密花园，盛开着鲜艳的花朵，生机盎然。我惊讶得目瞪口呆。"
• 文本："雨水映照着我无法止住的泪水，每一滴都是心中痛楚的微小回响。世界仿佛静默了，色彩褪去，沉重的压力笼罩着我的灵魂。"
• 文本："凝视着你的照片，微笑。感觉就像我在你的梦中清醒地度过这个夜晚。我翻阅了我们所有的聊天记录，每一个字都带着感激亲吻我的心。突然，我感到窒息，眼眶湿润，呼吸变得温热而深沉，甚至感到皮肤上有一丝寒意。"

DistilBERT-情感微调模型

此模型是基于distilbert-base-uncased在emotion数据集上微调的版本。
在评估集上取得了以下结果：

• 损失：0.2180
• 准确率：0.9235
• F1值：0.9235

模型描述

DiestilBERT在情感数据集上进行了微调。点击以下链接查看模型的实际效果：
https://huggingface.co/spaces/Rahmat82/emotions_classifier

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

训练超参数

训练过程中使用了以下超参数：

• 学习率：2e-05
• 训练批次大小：64
• 评估批次大小：64
• 随机种子：42
• 优化器：Adam，参数为betas=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型：线性
• 训练轮次：2

训练结果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu118
• Datasets 2.15.0
• Tokenizers 0.15.0