tcepi/mbp_prepared_food_model
141
MBP PAS Classification Model
Este modelo é um fine-tune do ModernBERT-base para classificação binária, treinado no dataset tcepi/mbp_prepared_food_dataset.
Descrição do Modelo
- Modelo Base: answerdotai/ModernBERT-base
- Tarefa: Classificação Binária de Texto
- Linguagem: Português (pt)
- Framework: PyTorch + Transformers
Métricas de Performance
Conjunto de Teste
Matriz de Confusão
Relatório de Classificação
precision recall f1-score support
Negativo 0.9760 0.9760 0.9760 459
Positivo 0.9761 0.9761 0.9761 460
accuracy 0.9761 919
macro avg 0.9761 0.9761 0.9761 919
weighted avg 0.9761 0.9761 0.9761 919
Uso
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
# Carregar modelo e tokenizer
tokenizer = AutoTokenizer.from_pretrained("tcepi/mbp_prepared_food_model")
model = AutoModelForSequenceClassification.from_pretrained("tcepi/mbp_prepared_food_model")
# Classificar texto
text = "Seu texto aqui"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
with torch.no_grad():
outputs = model(**inputs)
predictions = torch.softmax(outputs.logits, dim=-1)
predicted_class = torch.argmax(predictions, dim=-1).item()
print(f"Classe predita: {model.config.id2label[predicted_class]}")
print(f"Probabilidades: {predictions.tolist()}")Treinamento
Hiperparâmetros
- Épocas: 10
- Learning Rate: 2e-5
- Batch Size: 8
- Weight Decay: 0.01
- Warmup Ratio: 0.1
- Mixed Precision: FP16
- Optimizer: AdamW
Informações de Treinamento
- Tempo Total: 2564.50 segundos
- Samples/segundo: 12.89
- Loss Final: 0.1150
Dataset
O modelo foi treinado usando o dataset tcepi/mbp_prepared_food_dataset.
Limitações
- O modelo foi treinado especificamente para o domínio do dataset MBP/PAS
- Performance pode variar em textos de outros domínios
- Recomenda-se avaliar o modelo antes de usar em produção