/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Опубликована
22 мая 2022

gpt2-genre-story-generation

Генерация текстаТекст → текст3 профессии

Дообученная на BookCorpus модель GPT-2 генерирует короткие англоязычные истории по подсказкам семи жанров.

40скачиваний за 30 дней6лайковвеса обновлены23 мая 2022

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.

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

Aspis/gpt2-genre-story-generation — дообученная модель GPT-2 для генерации коротких художественных историй по жанровой подсказке. Она принимает текстовый промпт с одним из жанровых токенов: romance, adventure, mystery-&-detective, fantasy, humor-&-comedy, paranormal или science-fiction, и продолжает его текстом на английском языке. Модель основана на плотной архитектуре GPT-2 и доступна в формате PyTorch; длина контекста — 1024 токена.

Модель дообучена на выборке BookCorpus, где текст книг был разделён на абзацы и сопоставлен с жанрами. Её можно использовать для создания черновиков рассказов и жанровых продолжений текста. Лицензия репозитория — Apache-2.0. Карточка описывает только генерацию текста и не сообщает об оценках качества или иных специализированных возможностях.

Сценарии применения

  • создание черновика романтического рассказа
  • генерация приключенческой истории по жанровому токену
  • продолжение детективного рассказа
  • написание фантастического или фэнтезийного сюжета
  • создание юмористического или паранормального рассказа

Ограничения

Контекст ограничен 1024 токенами. Модель обучалась на выборке BookCorpus; карточка не приводит оценок качества генерации.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GPT-2 fine-tuned for short story generation

Gpt-2 for short story generation with genres.

Model description

Gpt-2 model fine-tuned on sample of BookCorpus dataset for short story generation, allows for the following genres (tokens to use as input under parenthesis):

  • Romance (romance)
  • Adventure (adventure)
  • Mystery & detective (mystery-&-detective)
  • Fantasy (fantasy)
  • Humor & comedy (humor-&-comedy)
  • Paranormal (paranormal)
  • Science fiction (science-fiction)

Heavily inspired by https://huggingface.co/pranavpsv

Intended uses & limitations

This can be used for text generation.

How to use:

>>> from transformers import pipeline, TextGenerationPipeline, GPT2LMHeadModel, AutoTokenizer
>>> model_name = "aspis/gpt2-genre-story-generation"
>>> model = GPT2LMHeadModel.from_pretrained(model_name)
>>> tokenizer = AutoTokenizer.from_pretrained(model_name)
>>> generator = TextGenerationPipeline(model=model, tokenizer=tokenizer)
# Input should be of format "<BOS> <Genre token> Optional starter text"
>>> input_prompt = "<BOS> <adventure>"
>>> story = generator(input_prompt, max_length=80, do_sample=True,
               repetition_penalty=1.5, temperature=1.2, 
               top_p=0.95, top_k=50)
>>> print(story)

[{'generated_text': '<BOS> <adventure> "How come they got that one?" asked Louran. The leader of the House, a young man with blonde hair and an odd grin...that didn\'t look so bad to her if she did have a smile on its face. She had known about this before. And now he\'d admitted it himself;'}]

Training data

The model was trained using the BookCorpus dataset by getting the different genres per book and dividing the text into paragraphs.

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
101975f

0 моделей