metadata
license: apache-2.0
base_model: distilbert/distilbert-base-uncased
tags:
- generated_from_trainer
model-index:
- name: dzoQA_ml
results: []
widget:
- text: ངག་དབང་རྣམ་རྒྱལ་འདི་འབྲུག་རྒྱལ་ཁབ་ལུ་ནམ་འོང་ཡི།
context: >-
ངག་དབང་རྣམ་རྒྱལ་འདི་འབྲུག་རྒྱལ་ཁབ་ནང་སྤྱི་ལོ་༡༦༡༦ ལུ་འོང་ནུག།
ཁོ་གིས་འབྲུག་རྒྱལ་ཁབ་འདི་ཁྲིམས་ལུགས་གཅིག་འོག་ལུ་གཅིག་མཐུན་བཟོ་ནུག།ཁོ་གིས་འབྲུག་རྒྱལ་ཁབ་ལུ་མ་འོང་པའི་ཧེ་མ་
ལུང་ཕྱོགས་སོ་སོ་ནང་འགོ་ཁྲིདཔ་ལེ་ཤ་སྡོད་ནུག།
ཁོ་ལུ་གུས་ཞབས་འབད་དགོ་མནོ་མི་འདི་འབད་ཡི།
- text: འབྲུག་ལུ་མི་རློབས་ག་དེམ་ཅིག་སྨོ?
context: >-
འབྲུག་འདི་རྒྱ་ནག་དང་རྒྱ་གར་གྱི་བར་ན་ཨིན། འབྲུག་ལུ་མི་རློབས་༧༠༠༠༠༠
དེ་ཅིག་ཡོད།
ལོ་ལྟར་གྱི་འོང་འབབ་འདི་ལྟ་བཤལ་དང་ཆུ་གློག་མེ་ཐོན་སྐྱེད་ལས་འབྱུང་ཨིན།
རྒྱལ་ཁབ་གཞན་གྱི་མི་ལེ་ཤ་གིས་ འབྲུག་ནང་སྡོད་ནི་ལུ་དགའ།
- text: >-
འབྲུག་གིས་རྒྱང་མཐོང་དང་ཡོངས་འབྲེལ་གྱི་བཀག་དམ་འདི་ནམ་ཕབ་ཅི་དང་འདི་རྒྱལ་ཁབ་ནང་ནམ་ལས་འགོ་བཙུགས་ནུག།
context: >-
འབྲུག་འདི་འཛམ་གླིང་ནང་རྒྱལ་ཁབ་མཇུག་གི་རྒྱལ་ཁབ་ཅིག་ཨིན་མི་གིས་ཁོ་རའི་མི་སེར་ལུ་རྒྱང་མཐོང་ངོ་སྤྲོད་འབད་ནུག།
གཞུང་གིས་རྒྱང་མཐོང་དང་ཡོངས་འབྲེལ་གྱི་བཀག་དམ་འདི་ལོ་༡༡
གི་ཧེ་མ་རྐྱངམ་གཅིག་ཡར་འཕར་ནུག།
dzoQA_ml
This model is a fine-tuned version of distilbert/distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:
- Loss: 5.2318
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: 9
Training results
| Training Loss | Epoch | Step | Validation Loss |
|---|---|---|---|
| No log | 1.0 | 17 | 5.5030 |
| No log | 2.0 | 34 | 5.4155 |
| No log | 3.0 | 51 | 5.3362 |
| No log | 4.0 | 68 | 5.3240 |
| No log | 5.0 | 85 | 5.2659 |
| No log | 6.0 | 102 | 5.2410 |
| No log | 7.0 | 119 | 5.2223 |
| No log | 8.0 | 136 | 5.2406 |
| No log | 9.0 | 153 | 5.2318 |
Framework versions
- Transformers 4.40.2
- Pytorch 2.2.1+cu121
- Datasets 2.19.1
- Tokenizers 0.19.1