🚀 模型卡片

这是一个🤗 Transformers 模型的卡片，该模型已被推送到模型中心。此模型卡片由系统自动生成，它可帮助用户快速了解模型的基本信息、用途、训练细节等内容。

📚 详细文档

模型详情

这是一张已发布在模型中心的🤗 Transformers 模型的卡片，此卡片由系统自动生成。

• 开发者：[待补充更多信息]
• 资助方（可选）：[待补充更多信息]
• 共享方（可选）：[待补充更多信息]
• 模型类型：[待补充更多信息]
• 语言（自然语言处理）：[待补充更多信息]
• 许可证：[待补充更多信息]
• 微调自的模型（可选）：[待补充更多信息]

模型来源（可选）

• 仓库：[待补充更多信息]
• 论文（可选）：[待补充更多信息]
• 演示（可选）：[待补充更多信息]

用途

直接使用

此部分介绍模型在不进行微调或集成到更大的生态系统/应用程序时的使用方式。[待补充更多信息]

下游使用（可选）

此部分介绍模型在针对特定任务进行微调后，或集成到更大的生态系统/应用程序时的使用方式。[待补充更多信息]

非预期使用

此部分讨论模型的误用、恶意使用以及模型效果不佳的使用场景。[待补充更多信息]

偏差、风险和局限性

此部分旨在传达模型的技术和社会技术局限性。[待补充更多信息]

建议

直接用户和下游用户都应了解该模型的风险、偏差和局限性。如需进一步建议，还需补充更多信息。

训练详情

训练数据

此部分应链接到数据集卡片，可能还会简要介绍训练数据的内容以及与数据预处理或额外过滤相关的文档。[待补充更多信息]

训练过程

预处理（可选）

[待补充更多信息]

训练超参数

• 训练机制：[待补充更多信息]

速度、大小、时间（可选）

此部分提供有关吞吐量、开始/结束时间、检查点大小（如适用）等信息。[待补充更多信息]

评估

测试数据、因素和指标

测试数据

如有可能，此部分应链接到数据集卡片。[待补充更多信息]

因素

这些是评估时细分的因素，例如子群体或领域。[待补充更多信息]

指标

这些是使用的评估指标，理想情况下会说明原因。[待补充更多信息]

结果

[待补充更多信息]

模型审查（可选）

此部分介绍与模型可解释性相关的工作。[待补充更多信息]

环境影响

可以使用 Lacoste 等人 (2019) 中提出的 机器学习影响计算器 来估算碳排放。

• 硬件类型：[待补充更多信息]
• 使用时长：[待补充更多信息]
• 云服务提供商：[待补充更多信息]
• 计算区域：[待补充更多信息]
• 碳排放：[待补充更多信息]

技术规格（可选）

模型架构和目标

[待补充更多信息]

计算基础设施

硬件

[待补充更多信息]

软件

[待补充更多信息]

引用（可选）

BibTeX

[待补充更多信息]

APA

[待补充更多信息]

术语表（可选）

如果相关，此部分会包含有助于读者理解模型或模型卡片的术语和计算方法。[待补充更多信息]

更多信息（可选）

[待补充更多信息]

模型卡片作者（可选）

[待补充更多信息]

模型卡片联系方式

[待补充更多信息]

🚀 快速开始

使用以下代码开始使用该模型。 [待补充更多信息]