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