/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
30 дек 2022

joke-generator

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста, предназначенная прежде всего для создания шуток.

353скачиваний за 30 дней0лайковвеса обновлены30 дек 2022

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

brabus61/joke-generator — дообученная на неизвестном наборе данных модель генерации текста на архитектуре GPT-2. Она предназначена для создания текста, в том числе шуток, как подсказывает название репозитория; подробные сведения о сценариях применения и обучающих данных отсутствуют. Модель работает с текстом, имеет контекст длиной до 1024 токенов и представлена в формате TensorFlow.

В README указаны значения train loss и validation loss как nan и нулевая эпоха, поэтому качество модели по этим результатам оценить нельзя. Лицензия — MIT.

Сценарии применения

  • генерация коротких шуток по текстовой подсказке
  • создание юмористических текстовых заготовок
  • эксперименты с генерацией текста на GPT-2

Ограничения

Обучающий набор данных не описан, а значения train loss и validation loss равны nan при указанной нулевой эпохе, поэтому качество не подтверждено. Контекст ограничен 1024 токенами.

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

brabus61/joke-generator

This model is a fine-tuned version of gpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: nan
  • Validation Loss: nan
  • Epoch: 0

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:

  • optimizer: {'inner_optimizer': {'class_name': 'AdamWeightDecay', 'config': {'name': 'AdamWeightDecay', 'learning_rate': {'class_name': 'WarmUp', 'config': {'initial_learning_rate': 5e-05, 'decay_schedule_fn': {'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 5e-05, 'decay_steps': 0, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'passive_serialization': True}, 'warmup_steps': 1000, 'power': 1.0, 'name': None}}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}}, 'dynamic': True, 'initial_scale': 32768.0, 'dynamic_growth_steps': 2000}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
nannan0

Framework versions

  • Transformers 4.25.1
  • TensorFlow 2.9.3
  • Datasets 2.7.1
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
7914bc6

0 моделей