/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense

gpt2-spanish

Генерация текстаТекст → текст3 профессии

Испаноязычная GPT-2 малого размера для генерации текста по подсказке с контекстом до 1 024 токенов.

5 428скачиваний за 30 дней39лайковвеса обновлены19 окт 2021

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.

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

GPT2-Spanish — авторегрессионная языковая модель семейства GPT-2, разработанная Alejandro Oñate Latorre и Jorge Ortiz Fuentes из сообщества Deep ESP. Модель обучена с нуля на корпусе из 11,5 ГБ испаноязычных текстов: статьях Википедии и книгах разных жанров. Используется архитектура GPT2LMHeadModel с параметрами, соответствующими малой версии оригинальной GPT-2; размер словаря токенизатора BPE составляет 50 257 токенов.

Модель предназначена для генерации испанского текста по текстовому началу или подсказке. Она принимает последовательности до 1 024 токенов и может применяться для создания черновиков, продолжения художественного текста и экспериментов с генерацией на испанском языке. Специальный токенизатор обучен на испанском корпусе, чтобы лучше учитывать особенности этого языка.

Модель обучена на неотфильтрованных данных и может создавать оскорбительный или дискриминационный текст. Репозиторий предоставляет веса в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT.

Сценарии применения

  • продолжение испаноязычных художественных текстов
  • создание черновиков и фрагментов на испанском языке
  • эксперименты с генерацией текста на испанском
  • автоматическое дополнение испанских предложений

Ограничения

Обучающий корпус не фильтровался, поэтому модель может генерировать оскорбительный или дискриминационный контент. Контекст ограничен 1 024 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT2-Spanish

GPT2-Spanish is a language generation model trained from scratch with 11.5GB of Spanish texts and with a Byte Pair Encoding (BPE) tokenizer that was trained for this purpose. The parameters used are the same as the small version of the original OpenAI GPT2 model.

Corpus

This model was trained with a corpus of 11.5GB of texts corresponding to 3.5GB of Wikipedia articles and 8GB of books (narrative, short stories, theater, poetry, essays, and popularization).

Tokenizer

The texts are tokenized using a byte-level version of Byte Pair Encoding (BPE) (for Unicode characters) and a vocabulary size of 50257. The inputs are sequences of 1024 consecutive tokens.

This tokenizer was trained from scratch with the Spanish corpus, since it was evidenced that the tokenizer of the English models presented limitations to capture the semantic relations of Spanish, due to the morphosyntactic differences between both languages.

Apart from the special token "<|endoftext|>" for text ending in the OpenAI GPT-2 models, the tokens "<|talk|>", "<|ax1|>", "<|ax2|>" (..)"<|ax9|>" were included so that they can serve as prompts in future training.

Training

The model and tokenizer were trained using the Hugging Face libraries with an Nvidia Tesla V100 GPU with 16GB memory on Google Colab servers.

Authors

The model was trained by Alejandro Oñate Latorre (Spain) and Jorge Ortiz Fuentes (Chile), members of -Deep ESP-, an open-source community on Natural Language Processing in Spanish (https://t.me/joinchat/VoEp1bPrDYEexc6h).

Thanks to the members of the community who collaborated with funding for the initial tests.

Cautions

The model generates texts according to the patterns learned in the training corpus. These data were not filtered, therefore, the model could generate offensive or discriminatory content.

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
1b935e3

0 моделей