metadata
language:
- pt
license: mit
tags:
- generated_from_trainer
datasets:
- Luciano/lener_br_text_to_lm
widget:
- text: >-
Com efeito, se tal fosse possível, o Poder [MASK] – que não dispõe de
função legislativa – passaria a desempenhar atribuição que lhe é
institucionalmente estranha (a de legislador positivo), usurpando, desse
modo, no contexto de um sistema de poderes essencialmente limitados,
competência que não lhe pertence, com evidente transgressão ao princípio
constitucional da separação de poderes.
- text: >-
O autor sustenta que a lei é formal e materialmente inconstitucional, em
violação aos arts. 15, XIV e XV, 19, caput, 53, 71, §1º, I , e 100, VI e
X, da Lei Orgânica do DF, uma vez que, ( i ) originou-se de iniciativa
parlamentar quando necessáriainiciativa privativa do Chefe do Poder
Executivo, suscitando, inclusive, violação ao postulado constitucional da
`` reserva de administração '', a qual impede a ingerência normativa do
Poder [MASK] em matérias de competência executiva ; ( ii ) autoriza a
delegação de poder de polícia , atividade típica e exclusiva de Estado ,
na medida em que permite ao Distrito Federal firmar convênios com o
Conselho Regional de Engenharia e Agronomia do Distrito Federal - CREA-DF
e com o Conselho de Arquitetura e Urbanismo do Distrito Federal - CAU-DF
para, por meio do seu corpo técnico e credenciados, atuarem na análise de
processos de concessão de Alvará de Construção e de Carta de Habite-se.
base_model: neuralmind/bert-base-portuguese-cased
model-index:
- name: bertimbau-base-finetuned-lener-br
results: []
bertimbau-base-finetuned-lener-br
This model is a fine-tuned version of neuralmind/bert-base-portuguese-cased on the Luciano/lener_br_text_to_lm dataset. It achieves the following results on the evaluation set:
- Loss: 0.8132
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: 4
- eval_batch_size: 4
- 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 |
|---|---|---|---|
| 1.3167 | 1.0 | 2079 | 1.1163 |
| 1.1683 | 2.0 | 4158 | 1.0594 |
| 1.0648 | 3.0 | 6237 | 1.0501 |
| 1.0228 | 4.0 | 8316 | 0.9693 |
| 0.9662 | 5.0 | 10395 | 0.9847 |
| 0.9422 | 6.0 | 12474 | 0.9556 |
| 0.8696 | 7.0 | 14553 | 0.8978 |
| 0.7856 | 8.0 | 16632 | nan |
| 0.7849 | 9.0 | 18711 | 0.9192 |
| 0.7559 | 10.0 | 20790 | 0.8536 |
| 0.7564 | 11.0 | 22869 | 0.9230 |
| 0.7641 | 12.0 | 24948 | 0.8852 |
| 0.7007 | 13.0 | 27027 | 0.8616 |
| 0.7139 | 14.0 | 29106 | 0.8419 |
| 0.6543 | 15.0 | 31185 | 0.8460 |
Framework versions
- Transformers 4.21.2
- Pytorch 1.12.1+cu113
- Datasets 2.4.0
- Tokenizers 0.12.1