Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Лицензия: MIT
Архитектура: t5 · dense
Базовая модель: ptt5-base-portuguese-vocab
Опубликована: 19 окт 2023

Ссылки

Hugging Face

ptt5-wikilingua-30epochs

arthurmluz

Языковая модель3 профессии

Дообученная португалоязычная модель T5 для генерации текста по текстовому вводу, связанная с задачей WikiLingua.

9скачиваний за 30 дней0лайковвеса обновлены27 ноя 2024

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

ptt5-wikilingua-30epochs — дообученная модель семейства T5 на базе unicamp-dl/ptt5-base-portuguese-vocab. Она предназначена для преобразования текста в текст; название указывает на обучение в течение 30 эпох на задаче WikiLingua, однако README не раскрывает состав датасета и точную постановку задачи. Модель содержит 123,8 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт текст. В карточке приведены метрики оценки: ROUGE-1 0,2604, ROUGE-2 0,1127 и ROUGE-L 0,2222. Доступна по лицензии MIT.

Сценарии применения

генерация краткого текста по португалоязычному материалу
эксперименты с генерацией текста на португальском языке
оценка качества генерации на метриках ROUGE

Ограничения

README не уточняет обучающий датасет, сценарии применения и ограничения модели. В приведённой оценке ROUGE-1 составляет 0,2604, ROUGE-2 — 0,1127, а ROUGE-L — 0,2222.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ptt5-wikilingua-30epochs

This model is a fine-tuned version of unicamp-dl/ptt5-base-portuguese-vocab on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.9063
Rouge1: 0.2604
Rouge2: 0.1127
Rougel: 0.2222
Rougelsum: 0.2541
Gen Len: 18.4528

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: 2e-05
train_batch_size: 2
eval_batch_size: 2
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
2.1668	1.0	28580	2.0384	0.2366	0.0935	0.2034	0.2311	18.2195
2.0348	2.0	57160	1.9725	0.2448	0.0998	0.2098	0.2391	18.3898
2.0152	3.0	85740	1.9346	0.2469	0.1024	0.2122	0.2414	18.2427
1.9769	4.0	114320	1.9096	0.2503	0.1047	0.2147	0.2446	18.2773
1.8471	5.0	142900	1.8957	0.253	0.1076	0.2169	0.2473	18.2612
1.8504	6.0	171480	1.8840	0.2541	0.1084	0.2179	0.2483	18.3317
1.7456	7.0	200060	1.8768	0.2547	0.1084	0.2183	0.2488	18.3634
1.7254	8.0	228640	1.8747	0.2563	0.1099	0.2196	0.2505	18.3577
1.7742	9.0	257220	1.8739	0.2562	0.11	0.2194	0.2504	18.3904
1.7211	10.0	285800	1.8667	0.2572	0.1109	0.2205	0.2513	18.3616
1.696	11.0	314380	1.8677	0.2568	0.1112	0.2204	0.251	18.349
1.6762	12.0	342960	1.8695	0.2571	0.1108	0.2202	0.2513	18.3528
1.6404	13.0	371540	1.8738	0.2582	0.1115	0.2208	0.2523	18.3909
1.6523	14.0	400120	1.8727	0.259	0.1118	0.2215	0.253	18.4077
1.626	15.0	428700	1.8736	0.2596	0.1124	0.2222	0.2537	18.4245
1.5922	16.0	457280	1.8750	0.259	0.1123	0.2215	0.253	18.4125
1.5345	17.0	485860	1.8783	0.2591	0.112	0.2214	0.2529	18.4013
1.5785	18.0	514440	1.8797	0.2588	0.112	0.2212	0.2527	18.3965
1.5097	19.0	543020	1.8868	0.2592	0.1115	0.221	0.2531	18.4567
1.5091	20.0	571600	1.8851	0.2593	0.1124	0.2216	0.2533	18.397
1.5116	21.0	600180	1.8895	0.2599	0.1124	0.2219	0.2537	18.4505
1.5351	22.0	628760	1.8901	0.2606	0.113	0.2225	0.2544	18.4369
1.5125	23.0	657340	1.8953	0.2598	0.1125	0.2218	0.2535	18.4273
1.5246	24.0	685920	1.8980	0.2609	0.1129	0.2226	0.2544	18.4464
1.5113	25.0	714500	1.8990	0.2604	0.1127	0.2221	0.2542	18.4562
1.4814	26.0	743080	1.9029	0.261	0.1133	0.223	0.2547	18.4634
1.5212	27.0	771660	1.9014	0.2606	0.1129	0.2226	0.2544	18.4458
1.4469	28.0	800240	1.9032	0.2609	0.1129	0.2226	0.2546	18.4577
1.4844	29.0	828820	1.9050	0.2602	0.1125	0.2221	0.2539	18.4553
1.4561	30.0	857400	1.9063	0.2604	0.1127	0.2222	0.2541	18.4528

Framework versions

Transformers 4.33.2
Pytorch 2.0.1+cu117
Datasets 2.14.5
Tokenizers 0.13.3

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: 8a7b7da