MobileBERT模型卡：适用于资源受限设备的紧凑通用BERT

模型详情

模型描述

这个模型是Multi-Genre自然语言推理（MNLI）的微调版本。

• 开发者：Typeform
• 共享者[可选]：Typeform
• 模型类型：零样本分类
• 语言（NLP）：英语
• 许可证：需要更多信息
• 父模型： uncased MobileBERT model
• 更多信息资源：需要更多信息

应用

直接应用

此模型可用于零样本分类任务

下游应用[可选]

需要更多信息

不适用范围

该模型不应故意用于创建对人们具有敌意或疏远环境的情况。

偏见、风险和局限性

有大量研究探讨了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对受保护群体的刺激和有害的刻板印象；身份特征；以及敏感的社会和职业群体。

建议

用户（直接和下游用户）应意识到该模型的风险、偏见和局限性。需要更多信息以获取进一步的建议。

训练详情

训练数据

有关更多信息，请参见 the multi_nli dataset card 。

训练过程

预处理

需要更多信息

速度、大小和时间

需要更多信息

评估

测试数据、因素和指标

测试数据

有关更多信息，请参见 the multi_nli dataset card 。

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 Lacoste et al. (2019) 中提出的 Machine Learning Impact calculator 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
• 云提供商：需要更多信息
• 计算区域：需要更多信息
• 排放碳量：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

需要更多信息

引用

BibTeX：

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

模型卡作者[可选]

Typeform与Ezi Ozoani和Hugging Face团队合作

模型卡联系方式

需要更多信息

如何开始使用该模型

使用下面的代码开始使用该模型。

 from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("typeform/mobilebert-uncased-mnli")

model = AutoModelForSequenceClassification.from_pretrained("typeform/mobilebert-uncased-mnli")