File size: 3,999 Bytes
2bffa50
 
 
 
 
 
ccbad84
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
2bffa50
 
 
 
 
 
 
 
 
 
a366c35
2bffa50
 
 
 
 
 
a366c35
2bffa50
 
 
 
 
f4538cc
 
 
2bffa50
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
---
license: apache-2.0
tags:
- generated_from_trainer
metrics:
- accuracy
widget:
- text: El amor es una experiencia universal que nos conmueve a todos, pero a veces
    no hallamos las palabras adecuadas para expresarlo. A lo largo de la historia
    los poetas han sabido decir aquello que todos sentimos de formas creativas y elocuentes.
- text: 'Había un hombre a quien la Pena nombraba su amigo, Y él, soñando con su gran
    camarada la Pena, Iba andando con paso lento por las arenas resplandecientes Y
    zumbantes, donde van oleajes ventosos: Y llamó en voz alta a las estrellas para
    que se inclinaran Desde sus pálidos tronos. y lo consuelan, pero entre ellos se
    ríen y cantan siempre: Y entonces el hombre a quien la Tristeza nombró su amigo
    Gritó, ¡Mar oscuro, escucha mi más lastimosa historia! El mar avanzaba y seguía
    gritando su viejo grito, rodando en sueños de colina en colina. Huyó de la persecución
    de su gloria Y, en un valle lejano y apacible deteniéndose, Gritó toda su historia
    a las gotas de rocío que brillan. Pero nada oyeron, porque siempre están escuchando,
    Las gotas de rocío, por el sonido de su propio goteo. Y entonces el hombre a quien
    Triste nombró su amigo Buscó una vez más la orilla, y encontró una concha, Y pensó:
    Contaré mi pesada historia Hasta que mis propias palabras, resonando, envíen Su
    tristeza a través de un corazón hueco y perlado; Y mi propia historia volverá
    a cantar para mí, Y mis propias palabras susurrantes serán de consuelo, ¡Y he
    aquí! mi antigua carga puede partir. Luego cantó suavemente cerca del borde nacarado;
    Pero el triste habitante de los caminos marítimos solitarios Cambió todo lo que
    cantaba en un gemido inarticulado Entre sus torbellinos salvajes, olvidándolo.'
- text: Ven, ven, muerte, Y en triste ciprés déjame descansar. Vuela lejos, vuela
    lejos, respira; Soy asesinado por una bella y cruel doncella. Mi sudario de blanco,
    pegado todo con tejo, ¡Oh, prepáralo! Mi parte de la muerte, nadie tan fiel la
    compartió. Ni una flor, ni una flor dulce, En mi ataúd negro que se desparrame.
    Ni un amigo, ni un amigo saludan Mi pobre cadáver, donde mis huesos serán arrojados.
    Mil mil suspiros para salvar, Acuéstame, oh, donde Triste amante verdadero nunca
    encuentre mi tumba, ¡Para llorar allí!
base_model: BSC-TeMU/roberta-base-bne
model-index:
- name: classification-poems
  results: []
---

<!-- 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. -->

# classification-poems

This model is a fine-tuned version of [BSC-TeMU/roberta-base-bne](https://huggingface.co/BSC-TeMU/roberta-base-bne) on the spanish Poems Dataset dataset.
It achieves the following results on the evaluation set:
- Loss: 0.8228
- Accuracy: 0.7241

## Model description

The model was trained to classify poems in Spanish, taking into account the content.



## Training and evaluation data

The original dataset has the columns author, content, title, year and type of poem. 

For each example, the type of poem it belongs to is identified. Then the model will recognize which type of poem the entered content belongs to. 

## Training procedure

### Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 2e-05
- train_batch_size: 2
- eval_batch_size: 2
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 2

### Training results

| Training Loss | Epoch | Step | Validation Loss | Accuracy |
|:-------------:|:-----:|:----:|:---------------:|:--------:|
| 0.9344        | 1.0   | 258  | 0.7505          | 0.7586   |
| 0.9239        | 2.0   | 516  | 0.8228          | 0.7241   |


### Framework versions

- Transformers 4.17.0
- Pytorch 1.10.0+cu111
- Datasets 2.0.0
- Tokenizers 0.11.6