/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
304 млн
Архитектура
mistral · dense
Базовая модель
None
Опубликована
10 дек 2023

japanese-mistral-300m-base

Генерация текстаТекст → текст3 профессии

Компактная японская языковая модель Mistral с 303,9 млн параметров для генерации текста и экспериментов.

678скачиваний за 30 дней4лайкавеса обновлены21 дек 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

ce-lery/japanese-mistral-300m-base — компактная языковая модель на архитектуре Mistral, опубликованная автором ce-lery. Веса содержат около 303,9 млн параметров; модель принимает текст и генерирует текст, максимальная длина контекста — 4096 токенов.

Модель предварительно обучена на данных Wikipedia и CC-100 и дообучена на японской версии Databricks Dolly 15k. В карточке отмечена токенизация SentencePiece с byte fallback, предназначенная для снижения генерации неизвестных слов. Модель подходит для генерации японского текста и экспериментов с компактными языковыми моделями.

В репозитории представлены веса Safetensors и GGUF F32. В метаданных указан формат, но конкретная лицензия не приведена; проверьте условия использования у автора перед применением.

Сценарии применения

  • генерация японского текста
  • продолжение японских текстовых фрагментов
  • эксперименты с компактными языковыми моделями
  • дообучение модели на японских диалоговых данных

Ограничения

Объём модели невелик — около 303,9 млн параметров, поэтому её возможности ограничены по сравнению с крупными языковыми моделями. Лицензия в предоставленных данных не указана.

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

japanese-mistral-300m-base

Overview

Welcome to my model card!

This Model feature is ...

  • Suppression of unknown word generation by using byte fallback in SentencePiece tokenizer and conversion to huggingface Tokenizers format
  • Pretrained by wikipedia dataset and cc100 dataset
  • Use of Mistral 300M

Yukkuri shite ittene!

How to use the model

from transformers import AutoModelForCausalLM, AutoTokenizer, TextStreamer
import torch

MODEL_NAME = "ce-lery/japanese-mistral-300m-base"
torch.set_float32_matmul_precision('high')

DEVICE = "cuda"
if torch.cuda.is_available():
    print("cuda")
    DEVICE = "cuda"
else:
    print("cpu")
    DEVICE = "cpu"

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME,use_fast=False)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    trust_remote_code=True,
).to(DEVICE)

# streamer = TextStreamer(tokenizer)

prompt = "大規模言語モデルとは、"

inputs = tokenizer(prompt, add_special_tokens=False,return_tensors="pt").to(model.device)
with torch.no_grad():

    outputs = model.generate(
        inputs["input_ids"],
        max_new_tokens=256,
        do_sample=True,
        early_stopping=False,
        top_p=0.95,
        top_k=50,
        temperature=0.9,
        # streamer=streamer,
        no_repeat_ngram_size=2,
        num_beams=3
    )

print(outputs.tolist()[0])
outputs_txt = tokenizer.decode(outputs[0])
print(outputs_txt)

Receipe

If you want to restruct this model, you can refer this Github repository.

I wrote the receipe for struction this model. For example,

  • Preprocess with sentencepiece
  • Pretraining with flash attention2 and torch.compile and DeepSpeed
  • Fine-tuning with databricks-dolly-15k-ja

If you find my mistake,error,...etc, please create issue. If you create pulreqest, I'm very happy!

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0006
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • gradient_accumulation_steps: 64
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.95) and epsilon=0.0001
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation Loss
4.29110.1250004.2914
3.97090.24100003.9900
3.82290.36150003.8388
3.71970.47200003.7454
3.6520.59250003.6739
3.5970.71300003.6177
3.55540.83350003.5770
3.5360.95400003.5582

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cu121
  • 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
MistralForCausalLM
Ревизия весов
80a4a96

0 моделей