/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
9 окт 2023

tinystories-gpt2-3M

Генерация текстаТекст → текст3 профессии

Компактная GPT-2-модель для генерации коротких англоязычных историй и экспериментов с языковыми моделями.

598скачиваний за 30 дней7лайковвеса обновлены9 окт 2023

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

calum/tinystories-gpt2-3M — компактная языковая модель на архитектуре GPT-2, созданная как репликация TinyStories с заменой GPT-Neo на GPT-2. Автор обучил её в течение трёх эпох на наборе TinyStories V2; модель насчитывает около 3 млн обучаемых параметров и предназначена для генерации коротких англоязычных историй. Она демонстрирует связную генерацию с учётом небольшого размера и подходит для экспериментов и изучения работы языковых моделей. Контекст модели составляет 1024 токена, формат весов — PyTorch.

Словарь и обучающие данные ограничены: незнакомые темы и слова могут восприниматься как имена персонажей, а ввод на других языках часто приводит к бессмысленной генерации или игнорированию запроса. Автор указывает исследовательское назначение и предупреждает о непригодности для коммерческого использования в связи с условиями OpenAI по данным обучения.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • продолжение простых англоязычных сюжетов
  • учебные эксперименты с компактной GPT-2-моделью

Ограничения

Ограниченный словарь и обучение только на английских историях ухудшают работу с незнакомыми темами и другими языками. Автор предупреждает, что модель не предназначена для коммерческого использования.

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

TinyStories-GPT2-3M

This model is a tiny (3M trainable parameters) GPT-2 model pre-trained for 3 epochs on the TinyStories V2 dataset.

Model description

TinyStories-GPT2-3M is a replication of the TinyStories model, using a GPT-2 architecture in place of GPT-Neo. This was a deliberate choice made to accelerate research, as the GPT-2 architecture is more widely supported across tooling. We do not contribute any performance improvements of note, though similarly to the original model, we find a surprising degree of coherency within the model, given its size.

Intended uses & limitations

Research use only - NOT suitable for commercial use per OpenAI TOS on using their APIs to source training data.

Note that the vocabulary this model was trained on is quite minimal. Out of distribution inputs will not work as well as a larger, more general purpose model. To observe this behaviour, try generating a few tokens after a non-trivial word like "Biology". The model typically treats words that did not frequently appear in training as character names in a story.

All training data is English. As such, input with other languages is out of distribution, and will result in the model treating previous input as character names, ignoring it entirely, or generating meaningless tokens.

Training and evaluation data

Trained for 3 epochs on the TinyStories V2 dataset, produced by GPT-4.

Training procedure

Trained for 400k steps (~7 hours) on 2xH100 80GB PCIe with 32vCPU and 500GB RAM on Runpod.

To replicate, download GPT-4 V2 version of the TinyStories dataset alongside HuggingFace's train_clm.py script. Then run the following:

#! /bin/bash

python train_clm.py \
    --model_type=gpt2 \
    --config_overrides=n_embd=64,n_layer=8,n_head=16 \
    --tokenizer_name=gpt2 \
    --train_file="data/TinyStoriesV2-GPT4-train.txt" \
    --validation_file="data/TinyStoriesV2-GPT4-valid.txt" \
    --block_size=256 \
    --preprocessing_num_workers=8 \
    --output_dir="out" \
    --logging_dir="./log" \
    --logging_steps=100 \
    --logging_strategy=steps \
    --save_steps=5000 \
    --save_total_limit=10 \
    --do_train

Training hyperparameters

The following hyperparameters were used during training:

  • n_embd: 64
  • n_layer: 8
  • n_head: 16
  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Framework versions

  • Transformers 4.35.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.14.1

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
83fd442

0 моделей