Instructions to use team-lucid/deberta-v3-base-korean with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use team-lucid/deberta-v3-base-korean with Transformers:
# Load model directly from transformers import AutoModel model = AutoModel.from_pretrained("team-lucid/deberta-v3-base-korean", device_map="auto") - Notebooks
- Google Colab
- Kaggle
Update README.md
#2
by SeungAhSon - opened
README.md
CHANGED
|
@@ -10,7 +10,7 @@ tags:
|
|
| 10 |
## Model Details
|
| 11 |
|
| 12 |
DeBERTa는 Disentangled Attention과 Enhanced Masked Language Model을 통해 BERT의 성능을 향상시킨 모델입니다.
|
| 13 |
-
그중 DeBERTa V3은 ELECTRA-Style Pre-Training에 Gradient-Disentangled Embedding Sharing을 적용
|
| 14 |
|
| 15 |
이 연구는 구글의 TPU Research Cloud(TRC)를 통해 지원받은 Cloud TPU로 학습되었습니다.
|
| 16 |
|
|
|
|
| 10 |
## Model Details
|
| 11 |
|
| 12 |
DeBERTa는 Disentangled Attention과 Enhanced Masked Language Model을 통해 BERT의 성능을 향상시킨 모델입니다.
|
| 13 |
+
그중 DeBERTa V3은 ELECTRA-Style Pre-Training에 Gradient-Disentangled Embedding Sharing을 적용하여 DeBERTA를 개선했습니다.
|
| 14 |
|
| 15 |
이 연구는 구글의 TPU Research Cloud(TRC)를 통해 지원받은 Cloud TPU로 학습되었습니다.
|
| 16 |
|