Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Опубликована: 24 мая 2024

Ссылки

Hugging Face

my_awesome_opus_books_model

Dhahlan2000

Языковая модель

Компактная дообученная модель T5 для преобразования текста в текст, назначение которой в карточке не уточнено.

6скачиваний за 30 дней0лайковвеса обновлены24 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

my_awesome_opus_books_model — дообученная модель T5 от автора Dhahlan2000 на базе google-t5/t5-small. Это компактная модель с архитектурой T5ForConditionalGeneration и 38,5 млн параметров, предназначенная для преобразования текста в текст; контекст составляет до 512 токенов. Карточка приводит результаты оценки: loss 2,9110, BLEU 2,249 и среднюю длину генерации 10,0329 токена, но не описывает задачу и набор данных, поэтому назначение для конкретного сценария установить нельзя. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

Генерация текста по текстовому запросу
Преобразование одного текста в другой формат
Экспериментальная оценка качества генерации текста

Ограничения

Задача дообучения и обучающие данные не описаны; приведённый BLEU равен 2,249, но контекст оценки не уточнён.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_opus_books_model

This model is a fine-tuned version of google-t5/t5-small on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 2.9110
Bleu: 2.249
Gen Len: 10.0329

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
3.2852	1.0	4571	3.0243	1.4258	10.3726
3.1429	2.0	9142	2.9110	2.249	10.0329

Framework versions

Transformers 4.41.0
Pytorch 2.3.0+cu121
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

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: aaa15e9