/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Опубликована
3 авг 2022

Ссылки

Hugging Face

python-bytes-distilgpt2

arvkevi
Генерация текстаТекст → текст3 профессии

Дообученная на заметках Python Bytes модель distilgpt2 для генерации диалогов в стиле бесед ведущих подкаста.

91скачиваний за 30 дней0лайковвеса обновлены17 июл 2026

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.

Открыть конструктор бенчмарка

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

python-bytes-distilgpt2 — языковая модель на архитектуре GPT-2, созданная дообучением distilgpt2 на заметках к выпускам подкаста Python Bytes. Она генерирует текст в форме беседы ведущих Майкла Кеннеди и Брайана Оккена; иногда в диалоге появляются гости. Модель рассчитана на учебные и экспериментальные сценарии, связанные с генерацией разговоров о Python и содержании подкаста.

Модель принимает текстовый запрос и продолжает его текстом. Указаны результаты оценки на тестовом наборе: loss 3,0372 и accuracy 0,3969. Контекст составляет 1024 токена. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0. Модель не связана с подкастом Python Bytes и предназначена для использования в образовательных целях.

Сценарии применения

  • генерация продолжения беседы о Python
  • создание учебных диалогов на основе заметок к выпускам Python Bytes
  • эксперименты с генерацией текста на базе distilgpt2

Ограничения

Модель обучена на заметках к выпускам подкаста и ориентирована на беседы его ведущих, поэтому её тематика и стиль ограничены этим материалом. В README указаны loss 3,0372 и accuracy 0,3969 на оценочном наборе; эти метрики сами по себе не гарантируют связность или фактическую точность генерации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

python-bytes-distilgpt2

This model is not affiliated with the Python Bytes podcast in any way.

This model is a fine-tuned version of distilgpt2 on Python Bytes show notes.

It achieves the following results on the evaluation set:

  • Loss: 3.0372
  • Accuracy: 0.3969

Model description

This model generates conversation between the two show hosts (Michael Kennedy and Brian Okken), and sometimes guests appear :).

Intended uses & limitations

This model was trained specifically for educational purposes and is intended for other users to use it in a similar manner.

Training and evaluation data

Data is located on GitHub

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Framework versions

  • Transformers 4.22.0.dev0
  • Pytorch 1.12.0+cu113
  • Datasets 2.4.0
  • Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
d5aa717

0 моделей

    Создать бенчмарк