/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
10 авг 2022

PromptGenerator_5_topic

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста; предполагаемая генерация промптов по пяти темам не подтверждена описанием карточки.

255скачиваний за 30 дней0лайковвеса обновлены10 авг 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

PromptGenerator5topic — дообученная модель GPT-2 для генерации текста, опубликованная пользователем cansen88. Модель представлена в формате TensorFlow и рассчитана на контекст до 1024 токенов. В карточке указаны результаты обучения на четвёртой эпохе: потери на обучающей и проверочной выборках составили 10,6848 и 10,6672 соответственно.

Название предполагает генерацию промптов по пяти темам, однако README не описывает назначение, набор тем и сценарии использования, поэтому эту специализацию нельзя подтвердить. Датасет также не указан. Модель распространяется по лицензии MIT; качество и ограничения для конкретных задач по имеющимся сведениям оценить нельзя.

Сценарии применения

  • эксперименты с генерацией текста на основе GPT-2
  • тестирование генерации промптов в пяти тематических категориях

Ограничения

Назначение, данные обучения и заявленные сценарии в README не раскрыты; результаты потерь сами по себе не позволяют судить о качестве ответов. Языки и практические ограничения не описаны.

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

PromptGenerator_5_topic

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

  • Train Loss: 10.6848
  • Validation Loss: 10.6672
  • Epoch: 4

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: {'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': -999, '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}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
10.686410.67430
10.704510.67361
10.711410.67222
10.708210.67013
10.684810.66724

Framework versions

  • Transformers 4.21.1
  • TensorFlow 2.8.2
  • 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

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
26d270a

0 моделей