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