---

library_name: transformers tags: []

模型ID说明卡

模型详情

模型描述

这是一个基于DistilBERT架构、在AG新闻数据集上微调而成的文本分类模型。该模型可将新闻文章归类为四大类别：国际、体育、商业和科技。DistilBERT是BERT的轻量化版本，在保持强劲性能的同时显著提升推理速度，适合实时应用场景。

这是托管在Hub上的🤗 transformers模型说明卡，本卡片内容为自动生成。

• 开发者： Ranudee Fernando
• 资助方[可选]： [需补充信息]
• 共享方[可选]： [需补充信息]
• 模型类型： 基于DistilBERT的文本分类器
• 支持语言(NLP)： 英语(EN)
• 许可证： Apache 2.0
• 微调基础模型[可选]： 基于distilbert-base-uncased微调

模型来源[可选]

• 代码库： [需补充信息]
• 论文[可选]： [需补充信息]
• 演示[可选]： [需补充信息]

使用场景

直接使用

[需补充信息]

下游任务应用[可选]

[需补充信息]

非适用场景

[需补充信息]

偏差、风险与局限性

[需补充信息]

使用建议

直接使用或二次开发的用户应当充分了解模型存在的风险、偏差和局限性。需补充详细信息以提供进一步建议。

快速开始

使用以下代码快速调用模型：

[需补充信息]

训练详情

训练数据

[需补充信息]

训练流程

数据预处理[可选]

[需补充信息]

训练超参数

• 训练模式： [需补充信息]

速度、规模与耗时[可选]

[需补充信息]

评估

测试数据、要素与指标

测试数据

[需补充信息]

评估维度

[需补充信息]

评估指标

[需补充信息]

评估结果

[需补充信息]

总结

模型检验[可选]

[需补充信息]

环境影响

碳排放量可通过Lacoste等人(2019)提出的机器学习碳排放计算器估算。

• 硬件类型： [需补充信息]
• 使用时长： [需补充信息]
• 云服务商： [需补充信息]
• 计算区域： [需补充信息]
• 碳排放量： [需补充信息]

技术规格[可选]

模型架构与目标

[需补充信息]

计算基础设施

[需补充信息]

硬件

[需补充信息]

软件

[需补充信息]

引用[可选]

Bibtex格式：

[需补充信息]

APA格式：

[需补充信息]

术语表[可选]

[需补充信息]

更多信息[可选]

[需补充信息]

说明卡作者[可选]

[需补充信息]

说明卡联系方式

[需补充信息]