懂AI
phibert-finetuned-ner

phibert-finetuned-ner

微调生物文本识别的新模型提升精度与准确性

phibert-finetuned-ner模型是通过微调dmis-lab的biobert-v1.1而实现的，旨在提高生物文本识别领域的精度和准确性。其在评估数据集上取得了精度0.9238和准确性0.9950。此模型适用于生物医学领域的命名实体识别，优化过程中采用了Adam优化器和线性学习率调度策略，在3个训练纪元中实现了低损失与高精确度。

精确度训练损失phibert-finetuned-ner模型Github开源项目Adam优化器召回率Huggingface
Hugging Face

项目介绍：phibert-finetuned-ner

模型概述

phibert-finetuned-ner是一个经过微调的命名实体识别（NER）模型，基于dmis-lab/biobert-v1.1。这个模型在评估集上的表现非常优秀，各项指标如下：

  • 损失（Loss）：0.0293
  • 精确率（Precision）：0.9238
  • 召回率（Recall）：0.9213
  • F1 分数：0.9226
  • 准确率（Accuracy）：0.9950

模型描述

目前需要更多的信息来进一步说明模型的具体情况。一般地，这类模型用于生物医学领域，通过识别文本中的实体，如疾病、药物、基因等，以促进信息抽取和知识发现。

预期用途及限制

关于这个模型的预期用途及其使用限制，目前还需要补充更多的信息。通常，NER模型在文本分析、信息提取、临床文本处理等领域具有广泛应用。

训练和评估数据

有关训练和评估数据的详细信息尚未提供，需要进一步的补充。在一般情况下，训练数据集与评估数据集的选择在很大程度上决定了NER模型的性能和应用场景。

训练过程

训练超参数

在训练过程中，该模型使用了如下的超参数：

  • 学习率（learning_rate）：2e-05
  • 训练批次大小（train_batch_size）：8
  • 评估批次大小（eval_batch_size）：8
  • 随机种子（seed）：42
  • 优化器（optimizer）：Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
  • 学习率调度类型（lr_scheduler_type）：线性（linear）
  • 训练轮数（num_epochs）：3

训练结果

三轮训练的结果如下：

  • 第一轮：损失0.0309，精确率0.8977，召回率0.9042，F1分数0.9009，准确率0.9939
  • 第二轮：损失0.0131，精确率0.9089，召回率0.9114，F1分数0.9102，准确率0.9939
  • 第三轮：损失0.0080，精确率0.9238，召回率0.9213，F1分数0.9226，准确率0.9950

可以看出，经过三次训练迭代，模型的性能有了显著的提升。

框架版本

模型训练和评估使用的框架版本是：

  • Transformers 4.26.0
  • Pytorch 1.13.1+cu116
  • Datasets 2.9.0
  • Tokenizers 0.13.2

这些工具和框架为模型提供了必要的支持，使其具备出色的自然语言处理能力。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多