LayoutLM用于文档分类的模型卡片

模型详情

模型描述

这是多模式LayoutLM模型在文档分类任务上的微调版本。

• 开发者：Impira团队
• 共享者[可选]：Hugging Face
• 模型类型：文本分类
• 语言：英文
• 许可协议：cc-by-nc-sa-4.0
• 相关模型：layoutlm
  • 父模型：需要更多信息
• 更多信息资源：
  • Associated Paper
  • Blog Post

用途

直接使用

文本分类

下游使用[可选]

需要更多信息

不适用范围

模型不应用于有意制造敌对或疏远人群的环境。

偏见、风险和限制

已经进行了大量研究来探索有关语言模型的偏见和公平性问题（参见，例如， Sheng et al. (2021) 和 Bender et al. (2021) ）。该模型生成的预测可能包含针对受保护类别、身份特征和敏感社交和职业群体的令人不安和有害的刻板印象。

推荐

用户（直接和下游用户）应意识到模型的风险、偏见和限制。需要更多信息以提供进一步的建议。

训练详情

训练数据

需要更多信息

训练过程

需要更多信息

预处理

需要更多信息

速度、大小、时间

Num_attention_head: 12Num_hidden_layer:12,Vocab_size: 30522

评估

测试数据、因素和指标

测试数据

需要更多信息

因素

需要更多信息

指标

需要更多信息

结果

需要更多信息

模型检查

需要更多信息

环境影响

可使用 Machine Learning Impact calculator 中介绍的 Lacoste et al. (2019) 来估计碳排放量。

• 硬件类型：需要更多信息
• 使用小时数：需要更多信息
• 云服务提供商：需要更多信息
• 计算地区：需要更多信息
• 排放产生的碳量：需要更多信息

技术规格[可选]

模型架构和目标

需要更多信息

计算基础设施

需要更多信息

硬件

需要更多信息

软件

Transformers版本：4.4.0.dev0

引用

BibTeX:

需要更多信息

APA:

需要更多信息

术语表[可选]

需要更多信息

更多信息[可选]

需要更多信息

模型卡片作者[可选]

与Ezi Ozoani和Hugging Face团队合作的Impira团队

模型卡片联系方式

需要更多信息

如何开始使用该模型

使用以下代码开始使用该模型。

from transformers import AutoTokenizer, AutoModelForSequenceClassification
 
tokenizer = AutoTokenizer.from_pretrained("impira/layoutlm-document-classifier")
 
model = AutoModelForSequenceClassification.from_pretrained("impira/layoutlm-document-classifier")