---
license: mit
tags:
- test
- demo
- bert
- nlp
- italian
- custom-vocabulary
language:
- it
---

# Test Model Demo - BERT con Vocabolario Personalizzato

Modello BERT ridotto creato con un vocabolario personalizzato italiano di 50,000 parole.

## Descrizione

Questo è un modello BERT (Bidirectional Encoder Representations from Transformers) ridotto con:
- **Architettura**: 2 layer transformer, hidden size 128, 2 attention heads
- **Parametri**: 6.9 milioni di parametri
- **Vocabolario**: 50,005 token (incl. token speciali BERT)
- **Vocabolario personalizzato**: Basato su un dataset italiano di 4.2+ milioni di parole

## Caratteristiche

- Tokenizer personalizzato con vocabolario italiano
- Modello BERT ottimizzato per risorse limitate
- Formato safetensors per sicurezza
- Compatibile con Hugging Face Transformers

## Utilizzo

```python
from transformers import BertForMaskedLM, PreTrainedTokenizerFast

# Carica il modello e tokenizer
model = BertForMaskedLM.from_pretrained("Tonysar/test-model-demo")
tokenizer = PreTrainedTokenizerFast.from_pretrained("Tonysar/test-model-demo")

# Esempio di utilizzo
text = "a ab abc"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)
```

## Specifiche Tecniche

- **Model Type**: BERT for Masked Language Modeling
- **Vocab Size**: 50,005
- **Hidden Size**: 128
- **Num Hidden Layers**: 2
- **Num Attention Heads**: 2
- **Intermediate Size**: 512
- **Max Position Embeddings**: 128
- **Parameters**: 6,880,853

## Note

Questo modello è stato creato come demo e non ha completato il training completo. È ottimizzato per test e sviluppo su sistemi con risorse limitate.

## Licenza

MIT License