Характеристики

Параметры: 124 млн
Архитектура: t5 · dense
Базовая модель: IndoT5-base-nafkhan-epochs-3
Опубликована: 13 ноя 2023

Ссылки

Hugging Face

IndoT5-base-nafkhan-epochs-4

abdiharyadi

Языковая модель

Дообученная модель T5 на 123,8 млн параметров для преобразования текста в текст с нераскрытым назначением обучения.

10скачиваний за 30 дней0лайковвеса обновлены13 ноя 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

IndoT5-base-nafkhan-epochs-4 — дообученная модель семейства T5 от abdiharyadi с 123,8 млн параметров. Она построена на abdiharyadi/IndoT5-base-nafkhan-epochs-3 и предназначена для преобразования текста в текст; конкретная прикладная задача и обучающие данные в карточке не раскрыты. Модель сохранена в формате Safetensors и использует архитектуру T5ForConditionalGeneration.

В README приведено значение loss 0,1608 на оценочном наборе, но не указаны метрики, позволяющие оценить качество для конкретной задачи. Лицензия и ограничения использования в предоставленных данных не описаны.

Сценарии применения

Преобразование текста в текст в приложениях на базе T5
Экспериментальная оценка модели на собственной задаче генерации текста

Ограничения

Прикладная задача, языки обучения, лицензия и условия использования не описаны. Значение loss без дополнительных метрик и описания оценочного набора не позволяет судить о качестве на конкретных задачах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndoT5-base-nafkhan-epochs-4

This model is a fine-tuned version of abdiharyadi/IndoT5-base-nafkhan-epochs-3 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1608

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: 0.0001
train_batch_size: 2
eval_batch_size: 2
seed: 342
gradient_accumulation_steps: 2
total_train_batch_size: 4
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: polynomial
lr_scheduler_warmup_steps: 200
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss
0.1692	1.0	23217	0.1608

Framework versions

Transformers 4.35.0
Pytorch 2.0.0
Datasets 2.14.6
Tokenizers 0.14.1

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: 47a2147