bert-base-uncased-emotion

模型描述：

Bert 是一种基于 Transformer 双向编码器的架构，通过 MLM（掩码语言建模）目标进行训练。

[bert-base-uncased] 使用 HuggingFace Trainer 在情感数据集上进行了微调，训练参数如下

 learning rate 2e-5, 
 batch size 64,
 num_train_epochs=8,

如何使用模型：

from openmind import pipeline
classifier = pipeline("text-classification",model='Changchun_Ascend/bert-base-uncased-emotion', return_all_scores=True)
prediction = classifier("I love using transformers. The best part is wide range of support and its easy to use", )
print(prediction)

>>>output=[[{'label': 'sadness', 'score': 0.0005138218402862549}, {'label': 'joy', 'score': 0.9972521662712097}, {'label': 'love', 'score': 0.0007443303475156426}, {'label': 'anger', 'score': 0.000740492541808635}, {'label': 'fear', 'score': 0.0003293847548775375}, {'label': 'surprise', 'score': 0.0004197478701826185}]

数据集：

[Twitter-Sentiment-Analysis]。

训练过程

Colab 笔记本按照上述笔记本操作，将模型名称从 distilbert 更改为 bert

评估结果

{
 'test_accuracy': 0.9405,
 'test_f1': 0.9405920712282673,
 'test_loss': 0.15769127011299133,
 'test_runtime': 10.5179,
 'test_samples_per_second': 190.152,
 'test_steps_per_second': 3.042
 }

参考文献：

《使用 Transformer 进行自然语言处理》，作者：Lewis Tunstall、Leandro von Werra、Thomas Wolf

bert-base-uncased-emotion

模型描述：

Bert 是一种基于 Transformer 双向编码器的架构，通过 MLM（掩码语言建模）目标进行训练。

[bert-base-uncased] 使用 HuggingFace Trainer 在情感数据集上进行了微调，训练参数如下

 learning rate 2e-5, 
 batch size 64,
 num_train_epochs=8,

如何使用模型：

from openmind import pipeline
classifier = pipeline("text-classification",model='Changchun_Ascend/bert-base-uncased-emotion', return_all_scores=True)
prediction = classifier("I love using transformers. The best part is wide range of support and its easy to use", )
print(prediction)

>>>output=[[{'label': 'sadness', 'score': 0.0005138218402862549}, {'label': 'joy', 'score': 0.9972521662712097}, {'label': 'love', 'score': 0.0007443303475156426}, {'label': 'anger', 'score': 0.000740492541808635}, {'label': 'fear', 'score': 0.0003293847548775375}, {'label': 'surprise', 'score': 0.0004197478701826185}]

数据集：

[Twitter-Sentiment-Analysis]。

训练过程

Colab 笔记本按照上述笔记本操作，将模型名称从 distilbert 更改为 bert

评估结果

{
 'test_accuracy': 0.9405,
 'test_f1': 0.9405920712282673,
 'test_loss': 0.15769127011299133,
 'test_runtime': 10.5179,
 'test_samples_per_second': 190.152,
 'test_steps_per_second': 3.042
 }

参考文献：

《使用 Transformer 进行自然语言处理》，作者：Lewis Tunstall、Leandro von Werra、Thomas Wolf