ukrainian-qa / README.md
librarian-bot's picture
Librarian Bot: Add base_model information to model
5337b6f
|
raw
history blame
3.19 kB
metadata
language: uk
license: mit
tags:
  - generated_from_trainer
widget:
  - text: Що відправлять для ЗСУ?
    context: >-
      Про це повідомив міністр оборони Арвідас Анушаускас. Уряд Литви не має
      наміру зупинятися у військово-технічній допомозі Україні. Збройні сили
      отримають антидрони, тепловізори та ударний безпілотник. «Незабаром Литва
      передасть Україні не лише обіцяні бронетехніку, вантажівки та
      позашляховики, але також нову партію антидронів та тепловізорів. І,
      звичайно, Байрактар, який придбають на зібрані литовцями гроші», - написав
      глава Міноборони.
base_model: ukr-models/xlm-roberta-base-uk
model-index:
  - name: ukrainian-qa
    results: []

ukrainian-qa

This model is a fine-tuned version of ukr-models/xlm-roberta-base-uk on the UA-SQuAD dataset.

Link to training scripts - https://github.com/robinhad/ukrainian-qa
It achieves the following results on the evaluation set:

  • Loss: 1.4778

Model description

More information needed

How to use

from transformers import pipeline, AutoTokenizer, AutoModelForQuestionAnswering
model_name = "robinhad/ukrainian-qa"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForQuestionAnswering.from_pretrained(model_name)

qa_model = pipeline("question-answering", model=model.to("cpu"), tokenizer=tokenizer)
question = "Де ти живеш?"
context = "Мене звати Сара і я живу у Лондоні"
qa_model(question = question, context = context)

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 6

Training results

Training Loss Epoch Step Validation Loss
2.4526 1.0 650 1.3631
1.3317 2.0 1300 1.2229
1.0693 3.0 1950 1.2184
0.6851 4.0 2600 1.3171
0.5594 5.0 3250 1.3893
0.4954 6.0 3900 1.4778

Framework versions

  • Transformers 4.19.2
  • Pytorch 1.11.0
  • Datasets 2.2.2
  • Tokenizers 0.12.1