Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Лицензия: Apache 2.0
Архитектура: t5 · dense
Базовая модель: t5-small
Библиотека: transformers
Опубликована: 17 ноя 2024

Ссылки

Hugging Face

opus_books_model_english

Goshective

Языковая модель

Компактная дообученная модель T5-small для преобразования текста в текст; конкретная задача в карточке не описана.

6скачиваний за 30 дней0лайковвеса обновлены17 ноя 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

Goshective/opus_books_model_english — дообученная модель T5-small, созданная на основе google-t5/t5-small. Это компактная модель преобразования текста в текст с 38,5 млн параметров и контекстом до 512 токенов. В README указаны результаты оценки: loss 2,0262, BLEU 0,2611 и средняя длина генерации 18,4414 токена. Название указывает на связь с английскими книгами, но карточка не описывает назначение модели, обучающий набор данных или конкретный сценарий применения, поэтому такие задачи нельзя подтвердить. Лицензия — Apache-2.0.

Сценарии применения

эксперименты с преобразованием текста в текст
оценка генерации текста по метрике BLEU

Ограничения

Назначение и обучающий датасет не описаны; приведённые метрики не сопровождаются деталями протокола оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opus_books_model_english

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: 2.0262
Bleu: 0.2611
Gen Len: 18.4414

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: 64
eval_batch_size: 64
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 15
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Bleu	Gen Len
No log	1.0	219	2.3885	0.0114	18.7877
No log	2.0	438	2.2908	0.0849	18.544
2.6058	3.0	657	2.2299	0.1009	18.4923
2.6058	4.0	876	2.1865	0.1334	18.5091
2.3958	5.0	1095	2.1510	0.1479	18.4726
2.3958	6.0	1314	2.1218	0.1947	18.4471
2.3164	7.0	1533	2.0984	0.2254	18.4531
2.3164	8.0	1752	2.0793	0.2388	18.4211
2.3164	9.0	1971	2.0641	0.2387	18.4614
2.2674	10.0	2190	2.0523	0.2476	18.4463
2.2674	11.0	2409	2.0427	0.2485	18.4343
2.2366	12.0	2628	2.0353	0.2555	18.4383
2.2366	13.0	2847	2.0302	0.2561	18.4394
2.2177	14.0	3066	2.0273	0.2597	18.4366
2.2177	15.0	3285	2.0262	0.2611	18.4414

Framework versions

Transformers 4.46.2
Pytorch 2.5.1+cu121
Datasets 3.1.0
Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

У модели не указана задача.

Класс архитектуры: T5ForConditionalGeneration
Ревизия весов: 76d625b