Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: Simple_Translation-model-for-GPT-v5
Опубликована: 7 июн 2024

Ссылки

Hugging Face

Simple_Translation-model-for-GPT-v6

Dhahlan2000

Языковая модель

Компактная дообученная модель T5 для перевода текста.

7скачиваний за 30 дней0лайковвеса обновлены7 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 әзірлеген Simple_Translation-model-for-GPT-v6 — Dhahlan2000/Simple_Translation-model-for-GPT-v5 моделін белгісіз деректер жиынында дообучыту арқылы алынған ықшам T5 мәтін генерациялау моделі. Модельде 38,5 млн параметр бар, салмақтары safetensors форматында сақталған, контекст ұзындығы — 512 токен.

Модель мәтінді аударуға арналған. Бағалау жиынында Loss 0,7266 және BLEU 8,8015 нәтижелері көрсетілген; тіл жұптары, деректер жиыны және нақты қолдану шектеулері туралы ақпарат берілмеген. Hugging Face карточкасында лицензия көрсетілмеген.

Сценарии применения

перевод текста между языками

Ограничения

Языковые пары и обучающий набор данных не описаны; на оценочной выборке указана BLEU 8,8015. Лицензия модели не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Simple_Translation-model-for-GPT-v6

This model is a fine-tuned version of Dhahlan2000/Simple_Translation-model-for-GPT-v5 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.7266
Bleu: 8.8015
Gen Len: 18.5845

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: 32
eval_batch_size: 32
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
1.0639	1.0	6188	0.7879	8.263	18.5995
0.9675	2.0	12376	0.7266	8.8015	18.5845

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
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: a40e32a