/ Модель

Характеристики

Параметры
157 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Базовая модель
mt5-small
Опубликована
21 мая 2024

Translation-GPT

Языковая модель3 профессии

Дообученная на базе mT5-small модель для перевода текста.

9скачиваний за 30 дней0лайковвеса обновлены21 мая 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

Translation-GPT — дообученная Dhahlan2000 модель Google mT5-small с 157,4 млн параметров, предназначенная для перевода текста. Она построена на архитектуре MT5ForConditionalGeneration и опубликована в формате TensorFlow под лицензией Apache-2.0. В карточке указаны потери на обучающей и проверочной выборках, но набор данных, языковые пары и качество перевода не описаны. Поэтому область применения и поддерживаемые языки нельзя определить точнее.

Сценарии применения

  • перевод текста между языками

Ограничения

Датасет, поддерживаемые языковые пары и оценка качества перевода не указаны; приведены только значения потерь на одной эпохе обучения.

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

Translation-GPT

This model is a fine-tuned version of google/mt5-small on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 5.2450
  • Validation Loss: 3.8117
  • Epoch: 1

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 2e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
8.94674.58590
5.24503.81171

Framework versions

  • Transformers 4.40.2
  • TensorFlow 2.15.0
  • Datasets 2.17.0
  • 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
MT5ForConditionalGeneration
Ревизия весов
2e93d61

0 моделей