Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: Simple_Translation-model-for-GPT-v13
Опубликована: 9 июн 2024

Ссылки

Hugging Face

Simple_Translation-model-for-GPT-v14

Dhahlan2000

Языковая модель

Дообученная модель T5 для перевода текста.

7скачиваний за 30 дней0лайковвеса обновлены9 июн 2024

Бенчмарки

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

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

Dhahlan2000/Simple_Translation-model-for-GPT-v14 — дообученная модель семейства T5 с 38,5 млн параметров, созданная Dhahlan2000 на основе Dhahlan2000/Simple_Translation-model-for-GPT-v13. Модель предназначена для перевода текста; в README приведены результаты оценки: BLEU 17,3681, loss 0,2655 и средняя длина генерации 18,4753 токена.

Модель принимает текст и генерирует текст. Максимальная длина контекста составляет 512 токенов. Языки перевода и обучающий набор данных не описаны. Файлы модели опубликованы в формате safetensors; лицензия в доступных сведениях не указана.

Сценарии применения

перевод текстовых фрагментов
автоматический перевод коротких предложений
экспериментальная оценка качества машинного перевода

Ограничения

Языки перевода и обучающий датасет не описаны. На оценочном наборе указано значение BLEU 17,3681; лицензия не приведена в доступных сведениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Simple_Translation-model-for-GPT-v14

This model is a fine-tuned version of Dhahlan2000/Simple_Translation-model-for-GPT-v13 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2655
Bleu: 17.3681
Gen Len: 18.4753

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: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
0.3618	1.0	9282	0.2700	17.2295	18.4767
0.3508	2.0	18564	0.2655	17.3681	18.4753

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.19.2
Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: e9587ce