HuggingFace镜像/job-listing-filtering-model
模型介绍文件和版本分析
下载使用量0

openmind 使用教程

from openmind import AutoTokenizer, AutoModel, is_torch_npu_available
from openmind_hub import snapshot_download
import torch
import argparse
import torch.nn.functional as F


# 均值池化 - 考虑注意力掩码以进行正确的平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] # model_output的第一个元素包含所有token嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

def parse_args():
    parser = argparse.ArgumentParser()
    parser.add_argument(
        "--model_name_or_path",
        type=str,
        help="Path to model",
        default="../",
    )
    args = parser.parse_args()
    return args

def main():
    args = parse_args()
    model_path = args.model_name_or_path

    if is_torch_npu_available():
        device = "npu:0"
    else:
        device = "cpu"

    # 我们想要获取句子嵌入的句子
    sentences = ['This is an example sentence', 'Each sentence is converted']

    # 从openmind_hub加载模型
    tokenizer = AutoTokenizer.from_pretrained(model_path)
    model = AutoModel.from_pretrained(model_path)

    # 对句子进行分词
    encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

    # 计算token嵌入
    with torch.no_grad():
        model_output = model(**encoded_input)

    # 执行池化
    sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

    # 归一化嵌入
    sentence_embeddings = F.normalize(sentence_embeddings, p=2, dim=1)

    print("Sentence embeddings:")
    print(sentence_embeddings)


if __name__ == "__main__":
    main()

job-listing-filtering-model

该模型是 xlm-roberta-base 在 None 数据集上微调得到的版本。 其在评估集上取得的结果如下:

  • 损失值:0.1992

模型描述

需要更多信息

预期用途与局限性

需要更多信息

训练与评估数据

需要更多信息

训练过程

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:8
  • 评估批次大小:8
  • 随机种子:42
  • 梯度累积步数:4
  • 总训练批次大小:32
  • 优化器:Adam,参数 betas=(0.9, 0.999),epsilon=1e-08
  • 学习率调度器类型:线性
  • 训练轮次:25

训练结果

训练损失轮次步数验证损失
0.46391.55500.4343
0.4073.121000.3589
0.34594.681500.3110
0.28716.252000.2604
0.19667.82500.2004
0.09949.373000.1766
0.096110.923500.2007
0.095412.494000.1716
0.049814.064500.1642
0.041915.625000.1811
0.023217.185500.1872
0.014618.746000.1789
0.035620.316500.1984
0.032521.867000.1845
0.038123.437500.1994
0.006324.988000.1992

框架版本

  • Transformers 4.17.0
  • Pytorch 1.11.0+cu113
  • Datasets 2.0.0
  • Tokenizers 0.11.6