/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
2 июн 2024

Ссылки

Hugging Face

gpt2out

Aravindan
Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текстовых продолжений с контекстом до 1024 токенов.

15скачиваний за 30 дней3лайкавеса обновлены6 июн 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Aravindan/gpt2out — языковая модель GPT-2, дообученная автором репозитория за 8 эпох на неизвестном наборе данных. Модель предназначена для генерации текста; в карточке приведён результат оценки: loss 1,9618.

Модель принимает текст и генерирует продолжение. Архитектура — плотная GPT2LMHeadModel, максимальный контекст составляет 1024 токена. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Карточка не описывает предметную область, обучающие данные и конкретные сценарии применения, поэтому качество генерации для отдельных задач оценить нельзя.

Сценарии применения

  • генерация продолжения текста
  • создание черновиков текста
  • эксперименты с дообучением GPT-2

Ограничения

Данные обучения неизвестны, а карточка не приводит описания задач или сценариев применения; результат loss 1,9618 не позволяет оценить качество на конкретных пользовательских задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt2coder-8epochs

This model is a fine-tuned version of Aravindan/gpt2out on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9618

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
2.47080.99987031.9618

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.1.2
  • Datasets 2.19.1
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
d5f9244

0 моделей

    Создать бенчмарк