Характеристики

Параметры: 124 млн
Архитектура: t5 · dense
Базовая модель: IndoT5-base-nafkhan-epochs-7
Опубликована: 19 ноя 2023

Ссылки

Hugging Face

IndoT5-base-nafkhan-epochs-8

abdiharyadi

Языковая модель

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

18скачиваний за 30 дней0лайковвеса обновлены20 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-8 — дообученная модель abdiharyadi на базе abdiharyadi/IndoT5-base-nafkhan-epochs-7. Это генеративная модель семейства T5 с архитектурой типа encoder-decoder и 123,8 млн параметров, сохранённая в формате safetensors. Метрики карточки указывают значение Loss 0,1545 на оценочном наборе.

Модель предназначена для генерации текста по текстовому запросу в формате text-to-text. Карточка не описывает конкретную задачу, область применения, обучающие данные, поддерживаемые языки или ограничения качества, поэтому назначение модели нельзя уточнить. Лицензия в предоставленных данных не указана.

Сценарии применения

генерация текста по текстовой инструкции
преобразование текста в текст

Ограничения

В карточке не описаны конкретное назначение, данные обучения и ограничения качества; значение Loss приведено без описания оценочного набора. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IndoT5-base-nafkhan-epochs-8

This model is a fine-tuned version of abdiharyadi/IndoT5-base-nafkhan-epochs-7 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1545

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: 742
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
0.1229	1.0	23217	0.1545

Framework versions

Transformers 4.35.2
Pytorch 2.0.0
Datasets 2.15.0
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: 16cd26c