/ Модель

Характеристики

Контекст
256 токенов
Лицензия
Apache 2.0
Архитектура
gpt2 · dense

gpt2-persian

Генерация текстаТекст → текст3 профессии

Персоязычная модель GPT-2 для продолжения текста и экспериментальной генерации, включая классическую персидскую поэзию.

474скачиваний за 30 дней29лайковвеса обновлены21 мая 2021

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

bolbolzaban/gpt2-persian — персоязычная авторегрессионная языковая модель на архитектуре GPT-2, предназначенная для генерации текста и исследовательских экспериментов с персидской поэзией. Модель обучена на персидских текстах с гиперпараметрами, близкими к стандартному GPT-2 Medium; длина контекста составляет 256 субсловных токенов. Вместо BPE используется токенизатор SentencePiece.

Модель лучше всего подходит для продолжения персидского текста и создания стихов, в том числе классической персидской поэзии с маркерами [BOM] и [EOS]. Обучающие данные ограничены персидским текстом: латинские символы, числа и другие неперсидские символы заменены специальными токенами, поэтому вход рекомендуется нормализовать и подавать персидским письмом. Модель разработана Bolbolzaban, доступна в форматах PyTorch, TensorFlow и Flax и распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение персидского текста
  • генерация персидских стихотворных строк
  • создание классических персидских двустиший с маркерами [BOM] и [EOS]
  • эксперименты с генерацией текста на персидском языке

Ограничения

Контекст ограничен 256 субсловными токенами. Модель обучена только на персидском письме: латинские символы и числа заменялись специальными токенами, поэтому вход следует нормализовать; качество для других языков и обычной обработки чисел не предназначено.

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

GPT2-Persian

bolbolzaban/gpt2-persian is gpt2 language model that is trained with hyper parameters similar to standard gpt2-medium with following differences:

  1. The context size is reduced from 1024 to 256 sub words in order to make the training affordable
  2. Instead of BPE, google sentence piece tokenizor is used for tokenization.
  3. The training dataset only include Persian text. All non-persian characters are replaced with especial tokens (e.g [LAT], [URL], [NUM])

Please refer to this blog post for further detail. Also try the model here or on Bolbolzaban.com.

How to use

You can use this model directly with a pipeline for text generation:

from transformers import pipeline, AutoTokenizer, GPT2LMHeadModel
tokenizer = AutoTokenizer.from_pretrained('bolbolzaban/gpt2-persian')
model = GPT2LMHeadModel.from_pretrained('bolbolzaban/gpt2-persian')
generator = pipeline('text-generation', model, tokenizer=tokenizer, config={'max_length':256})
sample = generator('در یک اتفاق شگفت انگیز، پژوهشگران')

If you are using Tensorflow import TFGPT2LMHeadModel instead of GPT2LMHeadModel.

Fine-tuning

Find a basic fine-tuning example on this Github Repo.

Special Tokens

gpt-persian is trained for the purpose of research on Persian poetry. Because of that all english words and numbers are replaced with special tokens and only standard Persian alphabet is used as part of input text. Here is one example:

Original text: اگر آیفون یا آیپد شما دارای سیستم عامل iOS 14.3 یا iPadOS 14.3 یا نسخه‌های جدیدتر باشد

Text used in training: اگر آیفون یا آیپد شما دارای سیستم عامل [LAT] [NUM] یا [LAT] [NUM] یا نسخه‌های جدیدتر باشد

Please consider normalizing your input text using Hazm or similar libraries and ensure only Persian characters are provided as input.

If you want to use classical Persian poetry as input use [BOM] (begining of mesra) at the beginning of each verse (مصرع) followed by [EOS] (end of statement) at the end of each couplet (بیت).

See following links for example:

[BOM] توانا بود

[BOM] توانا بود هر که دانا بود [BOM]

[BOM] توانا بود هر که دانا بود [BOM] ز دانش دل پیر

[BOM] توانا بود هر که دانا بود [BOM] ز دانش دل پیربرنا بود [EOS]

If you like to know about structure of classical Persian poetry refer to these blog posts.

Acknowledgment

This project is supported by Cloud TPUs from Google’s TensorFlow Research Cloud (TFRC).

Citation and Reference

Please reference "bolbolzaban.com" website if you are using gpt2-persian in your research or commertial application.

Contacts

Please reachout on Linkedin or Telegram if you have any question or need any help to use the model.

Follow Bolbolzaban on Twitter, Telegram or Instagram

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
1c965e2

0 моделей