/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
16 июл 2023

Ссылки

Hugging Face

gpt2-test

dimzhead
Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста, назначение и качество которой не описаны подробно.

225скачиваний за 30 дней0лайковвеса обновлены18 июл 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.

Открыть конструктор бенчмарка

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

dimzhead/gpt2-test — модель генерации текста на архитектуре GPT-2, представленная в формате PyTorch. Согласно карточке, это дообученная версия GPT-2 на неизвестном наборе данных; автор не описывает её назначение или предполагаемые сценарии применения. Контекст модели составляет 1024 токена, лицензия — MIT.

В карточке приведено значение Loss 6,7441 на оценочном наборе, но данных о наборе, методике оценки и качестве генерации нет. Поэтому результат не позволяет судить о пригодности модели для конкретных задач; перед практическим использованием потребуется самостоятельная оценка.

Сценарии применения

  • экспериментальная генерация продолжений текста
  • проверка и исследование дообученной модели GPT-2
  • создание прототипа текстового генератора

Ограничения

Данные дообучения и целевое назначение не описаны. Приведённая метрика Loss не сопровождается сведениями о наборе и методике оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt2-test

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

  • Loss: 6.7441

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:

  • learning_rate: 0.0001
  • train_batch_size: 300
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 2400
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 1

Training results

Training LossEpochStepValidation Loss
7.9750.7250006.7441

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
CustomGPT2LMHeadModel
Ревизия весов
4678dea

0 моделей

    Создать бенчмарк