/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
Apache 2.0
Архитектура
mpt · dense
Опубликована
6 июн 2023

ipt-350m

Генерация текстаТекст → текст3 профессии

Компактная итальянская авторегрессионная модель MPT на 350 млн параметров для генерации текста и экспериментов с языковыми моделями.

133скачиваний за 30 дней0лайковвеса обновлены10 ноя 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

ipt-350m — авторская авторегрессионная языковая модель efederici на базе архитектуры MPT, обученная с нуля на примерно 13 млрд токенов итальянского текста из OSCAR-2301. Это декодерный трансформер с 350 млн параметров, 24 слоями и 16 головами внимания; вместо позиционных эмбеддингов используется ALiBi, а для внимания применён FlashAttention. Модель предназначена для генерации продолжения итальянского текста и экспериментов с обучением и инференсом компактных языковых моделей.

ALiBi позволяет обрабатывать входы длиннее обучающей последовательности в 2048 токенов, однако карточка не приводит точный предел контекста и не сообщает результаты оценки качества на длинных входах. В README заявлена оптимизация быстрого обучения и инференса; для загрузки через Transformers требуется включить trust_remote_code. Модель опубликована под лицензией Apache 2.0, допускающей коммерческое использование.

Сценарии применения

  • генерация продолжения текста на итальянском языке
  • создание черновиков и фрагментов итальянского текста
  • эксперименты с дообучением компактной языковой модели
  • исследование влияния ALiBi на обработку длинных последовательностей

Ограничения

Модель обучена на неотфильтрованном корпусе OSCAR-2301, поэтому может воспроизводить ошибки и смещения исходных данных. Требуется trust_remote_code при загрузке; точный максимальный контекст и результаты оценки качества в карточке не приведены.

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

ipt-350m

ipt-350m is a decoder-style transformer pretrained from scratch on ~13B tokens of Italian text (wip: trained on unfiltered oscar).

It uses a modified transformer architecture optimized for efficient training and inference. Positional embeddings are replaced with Attention with Linear Biases (ALiBi).

ipt-350m is:

If you find this project useful, consider supporting its development: Buy me a coffee

How to Use

import transformers
model = transformers.AutoModelForCausalLM.from_pretrained(
  'efederici/ipt-350m',
  trust_remote_code=True
)

Note: This model requires that trust_remote_code=True be passed to the from_pretrained method.

To use the optimized triton implementation of FlashAttention, you can load the model on GPU (cuda:0) with attn_impl='triton' and with bfloat16 precision:

import torch
import transformers

name = 'efederici/ipt-350m'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.attn_config['attn_impl'] = 'triton'
config.init_device = 'cuda:0'

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  torch_dtype=torch.bfloat16,
  trust_remote_code=True
)

Although the model was trained with a sequence length of 2048, ALiBi enables to increase the maximum sequence length during finetuning and/or inference.

import transformers

name = 'efederici/ipt-350m'

config = transformers.AutoConfig.from_pretrained(name, trust_remote_code=True)
config.max_seq_len = 4096 # (input + output) tokens can now be up to 4096

model = transformers.AutoModelForCausalLM.from_pretrained(
  name,
  config=config,
  trust_remote_code=True
)

Model Description

The architecture is a modification of a standard decoder-only transformer.

The model has been modified from a standard transformer in the following ways:

HyperparameterValue
n_parameters350M
n_layers24
n_heads16
d_model1024
vocab size50432
sequence length2048

Dataset

The model was trained for ~13B tokens (with batch size 64 and sequence length 2048) on OSCAR-2301. Each example was constructed from as many sequences from that dataset as were necessary to fill the 2048 sequence length.

Vocabulary size is 50432, a multiple of 128 as suggested in MEGATRON-LM, model flop utilization (MFU) increased by up to four percentage points.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MPTForCausalLM
Ревизия весов
339d641

0 моделей