/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
t5 · dense

code_trans_t5_base_code_documentation_generation_python_multitask

СуммаризацияТекст → текст

Модель T5, которая генерирует текстовую документацию по функциям Python.

114скачиваний за 30 дней1лайквеса обновлены23 июн 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

CodeTrans — модель семейства T5, разработанная Ahmed Elnaggar и Wei Ding для генерации документации к функциям Python. Она принимает исходный код и формирует его текстовое описание; также её можно дообучать для других задач с кодом на Python. Модель лучше работает с токенизированными функциями, но может обрабатывать и нетокенизированный код.

В README описана encoder-decoder архитектура T5 и многозадачное обучение на 13 контролируемых задачах в области разработки ПО и 7 неразмеченных наборах данных. Метаданные указывают 123,8 млн параметров и контекст до 512 токенов. Репозиторий содержит веса в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

Сценарии применения

  • создание описания функции Python по исходному коду
  • генерация документационных комментариев для функций Python
  • подготовка черновиков документации к токенизированному коду Python
  • дообучение для других задач обработки кода Python

Ограничения

Качество выше на токенизированных функциях Python. Контекст ограничен 512 токенами; результаты для кода за пределами целевого сценария генерации документации могут требовать проверки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CodeTrans model for code documentation generation python

Pretrained model on programming language python using the t5 base model architecture. It was first released in this repository. This model is trained on tokenized python code functions: it works best with tokenized python functions.

Model description

This CodeTrans model is based on the t5-base model. It has its own SentencePiece vocabulary model. It used multi-task training on 13 supervised tasks in the software development domain and 7 unsupervised datasets.

Intended uses & limitations

The model could be used to generate the description for the python function or be fine-tuned on other python code tasks. It can be used on unparsed and untokenized python code. However, if the python code is tokenized, the performance should be better.

How to use

Here is how to use this model to generate python function documentation using Transformers SummarizationPipeline:

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_base_code_documentation_generation_python_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_base_code_documentation_generation_python_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "def e ( message , exit_code = None ) : print_log ( message , YELLOW , BOLD ) if exit_code is not None : sys . exit ( exit_code )"
pipeline([tokenized_code])

Run this example in colab notebook.

Training data

The supervised training tasks datasets can be downloaded on Link

Training procedure

Multi-task Pretraining

The model was trained on a single TPU Pod V3-8 for 420,000 steps in total, using sequence length 512 (batch size 4096). It has a total of approximately 220M parameters and was trained using the encoder-decoder architecture. The optimizer used is AdaFactor with inverse square root learning rate schedule for pre-training.

Evaluation results

For the code documentation tasks, different models achieves the following results on different programming languages (in BLEU score):

Test results :

Language / ModelPythonJavaGoPhpRubyJavaScript
CodeTrans-ST-Small17.3116.6516.8923.059.1913.7
CodeTrans-ST-Base16.8617.1717.1622.988.2313.17
CodeTrans-TF-Small19.9319.4818.8825.3513.1517.23
CodeTrans-TF-Base20.2620.1919.5025.8414.0718.25
CodeTrans-TF-Large20.3520.0619.5426.1814.9418.98
CodeTrans-MT-Small19.6419.0019.1524.6814.9115.26
CodeTrans-MT-Base20.3921.2219.4326.2315.2616.11
CodeTrans-MT-Large20.1821.8719.3826.0815.0016.23
CodeTrans-MT-TF-Small19.7720.0419.3625.5513.7017.24
CodeTrans-MT-TF-Base19.7721.1218.8625.7914.2418.62
CodeTrans-MT-TF-Large18.9421.4218.7726.2014.1918.83
State of the art19.0617.6518.0725.1612.1614.90

Created by Ahmed Elnaggar | LinkedIn and Wei Ding | LinkedIn

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5Model
Ревизия весов
28ddab3

0 моделей