| --- |
| license: mit |
| base_model: sangjeedondrub/tibetan-roberta-base |
| tags: |
| - generated_from_trainer |
| model-index: |
| - name: dzoQAmodel |
| 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: སྤྱི་ལོ་༡༩༧༤ ལུ་ལྟ་བཤལ་པ་ག་དེམ་ཅིག་གིས་འབྲུག་ཡུལ་བལྟ་སྐོར་འབད་ཡི་ག |
| context: >- |
| འབྲུག་རྒྱལ་ཁབ་ནང་ ལྟ་བཤལ་འདི་སྤྱི་ལོ་༡༩༧༤ ལུ་ འབྲུག་གཞུང་གིས་འོང་འབབ་ཡར་སེང་འབད་ནི་དང་ འབྲུག་གི་ལམ་སྲོལ་དང་སྲོལ་ལུགས་ཚུ་ཕྱི་རྒྱལ་ལུ་ཡར་རྒྱས་གཏང་ནི་གི་དཔའ་བཅམ་སྟེ་ འབྲུག་རྒྱལ་ཁབ་སོ་སོ་འདི་ལྟ་བཤལ་པ་ཚུ་ལུ་སྒོ་ཕྱེ་ཞིནམ་ལས་འགོ་བཙུགས་ནུག།སྤྱི་ལོ་༡༩༧༤ ལུ་ འབྲུག་རྒྱལ་ཁབ་ལུ་མི་ ༢༧༤ རྐྱངམ་གཅིག་ལྟ་སྐོར་འབད་ཡི་ དེ་འབདཝ་ད་ ལོ་ལེ་ཤ་ཅིག་གིས་ཨ་ནཱི་གྱངས་ཁ་འདི་ད་རེས་ཀྱི་ལོ་ཚུ་ནང་གནམ་མེད་ས་མེད་ཡར་སེང་སོང་ནུག། |
| --- |
| |
|
|
| <!-- 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. --> |
|
|
| # dzoQAmodel |
|
|
| This model is a fine-tuned version of [sangjeedondrub/tibetan-roberta-base](https://huggingface.co/sangjeedondrub/tibetan-roberta-base) on an unknown dataset. |
| It achieves the following results on the evaluation set: |
| - Loss: 5.6732 |
|
|
| ## 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 | |
| |:-------------:|:-----:|:----:|:---------------:| |
| | No log | 1.0 | 16 | 5.5230 | |
| | No log | 2.0 | 32 | 5.3383 | |
| | No log | 3.0 | 48 | 5.2939 | |
| | No log | 4.0 | 64 | 5.2087 | |
| | No log | 5.0 | 80 | 5.1862 | |
| | No log | 6.0 | 96 | 5.2205 | |
| | No log | 7.0 | 112 | 5.2804 | |
| | No log | 8.0 | 128 | 5.3362 | |
| | No log | 9.0 | 144 | 5.4572 | |
| | No log | 10.0 | 160 | 5.4701 | |
| | No log | 11.0 | 176 | 5.5276 | |
| | No log | 12.0 | 192 | 5.5678 | |
| | No log | 13.0 | 208 | 5.6553 | |
| | No log | 14.0 | 224 | 5.6671 | |
| | No log | 15.0 | 240 | 5.6732 | |
|
|
|
|
| ### Framework versions |
|
|
| - Transformers 4.40.2 |
| - Pytorch 2.2.1+cu121 |
| - Datasets 2.19.1 |
| - Tokenizers 0.19.1 |
|
|
