File size: 3,040 Bytes
fa60a7a 351612f fa60a7a 4c23ba1 f665297 44b61a8 781c2e5 4e33d98 fa60a7a f85a042 fc2aa58 42557c8 fc2aa58 f85a042 fa60a7a 0b359e5 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 |
---
language: he
datasets:
- MatanBenChorin/HebrewMetaphors
tags:
- generated_from_trainer
metrics:
- accuracy
model-index:
- name: hebert-finetuned-hebrew-metaphor
results: []
widget:
- text: "לטחון [SEP] להכנת קפה במקינטה יש לטחון את הקפה טחינה גסה יותר מאשר קפה לאספרסו"
- text: "לטחון [SEP] תעירו אותי כשיקרה עוד משהו מעניין, בינתיים אין מה לטחון את זה"
- text: "לבשל [SEP] השחקן השתמש ביכולותיו הפיזיות, הגובה והקפיצה שלו, כדי לבשל ולהבקיע שערים"
- text: "לבשל [SEP] שישי בבוקר זה זמן טוב כדי לבשל ארוחה יפה"
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# hebert-finetuned-hebrew-metaphor
לחלום,
לחתוך,
לעוף,
לפרק,
להדליק,
לכבס,
לכופף,
לרסק,
לבשל,
למחוק,
לקפוץ,
לקרוע,
לקצור,
לרקוד,
לשבור,
לשדוד,
לשתות,
לטחון,
לתפור,
לזרוע
This model is a fine-tuned version of [avichr/heBERT](https://huggingface.co/avichr/heBERT) on an unknown dataset.
It achieves the following results on the evaluation set:
- Loss: 0.4682
- Accuracy: 0.9510
## Model description
More information needed
## 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: 15
### Training results
| Training Loss | Epoch | Step | Validation Loss | Accuracy |
|:-------------:|:-----:|:----:|:---------------:|:--------:|
| No log | 1.0 | 389 | 0.1813 | 0.9379 |
| 0.2546 | 2.0 | 778 | 0.2309 | 0.9479 |
| 0.08 | 3.0 | 1167 | 0.3342 | 0.9492 |
| 0.0298 | 4.0 | 1556 | 0.4076 | 0.9460 |
| 0.0298 | 5.0 | 1945 | 0.3803 | 0.9485 |
| 0.0105 | 6.0 | 2334 | 0.3674 | 0.9454 |
| 0.0077 | 7.0 | 2723 | 0.5356 | 0.9410 |
| 0.0088 | 8.0 | 3112 | 0.4776 | 0.9422 |
| 0.0044 | 9.0 | 3501 | 0.4258 | 0.9504 |
| 0.0044 | 10.0 | 3890 | 0.4305 | 0.9523 |
| 0.001 | 11.0 | 4279 | 0.4357 | 0.9548 |
| 0.0031 | 12.0 | 4668 | 0.4770 | 0.9473 |
| 0.0015 | 13.0 | 5057 | 0.4604 | 0.9523 |
| 0.0015 | 14.0 | 5446 | 0.4670 | 0.9510 |
| 0.0022 | 15.0 | 5835 | 0.4682 | 0.9510 |
### Framework versions
- Transformers 4.30.2
- Pytorch 2.0.1+cu118
- Datasets 2.13.1
- Tokenizers 0.13.3
|