/ Модель

Характеристики

Контекст
512 токенов
Параметры
385 млн
Архитектура
t5 · dense

code_trans_t5_large_source_code_summarization_python_multitask_finetune

СуммаризацияТекст → текст3 профессии

CodeTrans на базе T5-large генерирует краткие текстовые описания и документацию для функций на Python.

77скачиваний за 30 дней14лайковвеса 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 для создания кратких описаний функций на Python, разработанная Ahmed Elnaggar и Wei Ding. Она основана на архитектуре T5-large и дообучена на задаче суммаризации фрагментов кода Python. В README указано около 220 млн параметров, тогда как метаданные Hugging Face указывают 385,2 млн; поэтому размер в карточке источников расходится.

Модель принимает код Python и генерирует текстовое описание функции. Она обучалась на токенизированных функциях и, согласно README, обычно работает лучше с токенизированным кодом, хотя может обрабатывать и нетокенизированный. Длина последовательности при обучении составляла 512 токенов; метаданные указывают контекст 512 токенов. Также модель прошла многозадачное обучение на задачах разработки ПО и последующую настройку на суммаризацию Python-кода.

Основной сценарий — автоматическое создание документации или кратких описаний функций. Модель также можно дообучать для других задач с Python-кодом, но карточка сообщает о настройке лишь на суммаризацию Python-фрагментов. Форматы репозитория включают PyTorch и Flax. Лицензия в предоставленных данных не указана.

Сценарии применения

  • автоматическое создание описаний функций Python
  • генерация черновиков документации к Python-коду
  • суммаризация токенизированных фрагментов Python
  • подготовка подписей к функциям в наборе исходного кода

Ограничения

Лучше работает с токенизированными функциями Python; заявленные сценарии сосредоточены на суммаризации Python-кода. README и метаданные расходятся в оценке числа параметров: около 220 млн в README и 385,2 млн в метаданных.

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

CodeTrans model for source code summarization python

Pretrained model on programming language python using the t5 large 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-large 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. It is then fine-tuned on the source code summarization task for the python code snippets.

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_large_source_code_summarization_python_multitask_finetune"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_large_source_code_summarization_python_multitask_finetune", skip_special_tokens=True),
    device=0
)

tokenized_code = '''with open ( CODE_STRING , CODE_STRING ) as in_file : buf = in_file . readlines ( )  with open ( CODE_STRING , CODE_STRING ) as out_file : for line in buf :          if line ==   " ; Include this text   " :              line = line +   " Include below  "          out_file . write ( line ) '''
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 500,000 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.

Fine-tuning

This model was then fine-tuned on a single TPU Pod V2-8 for 100 steps in total, using sequence length 512 (batch size 256), using only the dataset only containing python code.

Evaluation results

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

Test results :

Language / ModelPythonSQLC#
CodeTrans-ST-Small8.4517.5519.74
CodeTrans-ST-Base9.1215.0018.65
CodeTrans-TF-Small10.0617.7120.40
CodeTrans-TF-Base10.9417.6621.12
CodeTrans-TF-Large12.4118.4021.43
CodeTrans-MT-Small13.1119.1522.39
CodeTrans-MT-Base13.3719.2423.20
CodeTrans-MT-Large13.2419.4023.57
CodeTrans-MT-TF-Small12.1018.2522.03
CodeTrans-MT-TF-Base10.6416.9121.40
CodeTrans-MT-TF-Large12.1419.9821.10
CODE-NN--18.4020.50

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
368b888

0 моделей