/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
25 мая 2023

competitorDescriptions-ds-mini

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста, целевая тематика которой не описана.

324скачиваний за 30 дней0лайковвеса обновлены7 июн 2023

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

competitorDescriptions-ds-mini — дообученная версия GPT-2, опубликованная пользователем d2j666 на Hugging Face. Модель предназначена для генерации текста; карточка не уточняет её целевую тематику или сценарии применения. В метаданных указана архитектура GPT2LMHeadModel, формат TensorFlow и контекст длиной 1024 токена.

Дообучение выполнено на неизвестном наборе данных. Для оценки приведены потери: 8,7799 на обучении и 8,6826 на валидации после четырёх эпох. Модель распространяется по лицензии MIT. Данных о языках и специализированной области применения нет.

Сценарии применения

  • генерация текста на основе затравки
  • продолжение короткого текста
  • эксперименты с дообучением GPT-2

Ограничения

Назначение, обучающий набор данных и поддерживаемые языки не описаны. Приведённые потери сами по себе не показывают качество генерации для конкретных задач.

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

competitorDescriptions-ds-mini

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

  • Train Loss: 8.7799
  • Validation Loss: 8.6826
  • 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': -987, '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: float32

Training results

Train LossValidation LossEpoch
9.59759.54880
9.47369.33921
9.24659.08212
8.99708.85733
8.77998.68264

Framework versions

  • Transformers 4.29.2
  • TensorFlow 2.12.0
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
62d0b4e

0 моделей