Характеристики

Параметры: 124 млн
Архитектура: t5 · dense
Базовая модель: IndoT5-base-nafkhan-epochs-6
Опубликована: 15 ноя 2023

Ссылки

Hugging Face

IndoT5-base-nafkhan-epochs-7

abdiharyadi

Языковая модель

Дообученная модель T5 на 123,8 млн параметров для генерации текста по текстовому входу.

7скачиваний за 30 дней0лайковвеса обновлены16 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-7 — дообученная модель T5, разработанная пользователем abdiharyadi на основе abdiharyadi/IndoT5-base-nafkhan-epochs-6. Она содержит 123,8 млн параметров и предназначена для генерации текста по текстовому входу в формате text-to-text. В README указана оценка loss 0,1540 на наборе для оценки, но сведения о назначении и данных обучения ограничены.

Модель может применяться в сценариях генерации текста, где вход и результат представлены текстом. Карточка не раскрывает конкретные задачи, целевые языки или длину контекста. Репозиторий содержит веса в формате safetensors; лицензия в доступных сведениях не указана.

Сценарии применения

генерация текста по текстовой инструкции
преобразование текста в текст
эксперименты с дообучением T5

Ограничения

В README не описаны конкретные сценарии, обучающие данные и ограничения; приведён только loss 0,1540 на оценочном наборе. Лицензия и поддерживаемые языки не установлены по доступным сведениям.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndoT5-base-nafkhan-epochs-7

This model is a fine-tuned version of abdiharyadi/IndoT5-base-nafkhan-epochs-6 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1540

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: 642
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
0.1275	1.0	23217	0.1540

Framework versions

Transformers 4.35.2
Pytorch 2.0.0
Datasets 2.14.7
Tokenizers 0.15.0

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: 8d4a8a3