/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
28 мар 2023

botGPT2_Context_v1

Генерация текстаТекст → текст3 профессии

Дообученная на неизвестных данных модель GPT-2 для генерации текста с контекстом до 1024 токенов.

253скачиваний за 30 дней0лайковвеса обновлены31 мар 2023

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

botGPT2_Context_v1 — дообученная модель генерации текста на архитектуре GPT-2, опубликованная пользователем Harshil13. README сообщает о дообучении базовой модели gpt2 на неизвестном наборе данных и приводит результаты после восьми эпох. Модель предназначена для генерации продолжения текста; конкретные сценарии применения и тематика обучения не описаны.

Модель использует TensorFlow, имеет контекстное окно 1024 токена и распространяется по лицензии MIT. В README указаны высокие значения perplexity на обучающей и валидационной выборках, поэтому качество генерации может быть низким; заявленные метрики требуют осторожной интерпретации.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с дообучением GPT-2
  • проверка генерации текста на коротком контекстном окне

Ограничения

Данные и целевая область дообучения не описаны. В карточке приведены высокие значения perplexity на обучении и валидации, что указывает на возможное низкое качество генерации.

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

botGPT2_Context_v1

This model is a fine-tuned version of gpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.3524
  • Train Accuracy: 0.0000
  • Train Perplexity: 18824.3340
  • Validation Loss: 0.3106
  • Validation Accuracy: 0.0
  • Validation Perplexity: 39785.5430
  • Epoch: 8

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': {'class_name': 'WarmUp', 'config': {'initial_learning_rate': 1e-05, 'decay_schedule_fn': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 1e-05, 'decay_steps': 16381, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'passive_serialization': True}, 'warmup_steps': 1000, 'power': 1.0, 'name': None}}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: mixed_float16

Training results

Train LossTrain AccuracyTrain PerplexityValidation LossValidation AccuracyValidation PerplexityEpoch
0.62950.0032100042.40620.31060.039785.52730
0.35280.000018560.13280.31060.039785.53911
0.35250.000018773.96680.31060.039785.51562
0.35250.018342.82230.31060.039785.50783
0.35250.000019026.91800.31060.039785.55084
0.35260.019108.6250.31060.039785.51955
0.35260.000019143.75200.31060.039785.53126
0.35250.000018503.09380.31060.039785.51957
0.35240.000018824.33400.31060.039785.54308

Framework versions

  • Transformers 4.26.0
  • TensorFlow 2.11.0
  • Datasets 2.9.0
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
7f300dd

0 моделей