/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense

gpt2-small-turkish

Генерация текстаТекст → текст3 профессии

Дообученная на турецкой Википедии модель GPT-2 Small для генерации и продолжения текста на турецком языке.

133скачиваний за 30 дней10лайковвеса обновлены22 сен 2021

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

gorkemgoknar разработал модель на основе GPT-2 Small, дообучив её и продолжив обучение на статьях турецкой Википедии по состоянию на 28 октября 2020 года. Это плотная авторегрессионная языковая модель для генерации текста на турецком языке; её можно использовать для продолжения заданного текста и генерации последовательностей. Модель реализована для Transformers и доступна в форматах PyTorch и Flax.

Контекст модели — 1024 токена. В README приведены точность 33% и perplexity 51,88, однако подробности методики оценки не описаны. Обучающие данные происходят из турецкой Википедии и могут содержать предвзятости или нежелательный контент. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение текста на турецком языке
  • генерация черновиков статей на турецком
  • создание последовательностей текста по начальной фразе на турецком

Ограничения

Модель обучена на турецкой Википедии и может воспроизводить её предвзятости или нежелательный контент. В README указаны точность 33% и perplexity 51,88, но методика оценки не раскрыта.

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

Turkish GPT2 Model Finetuned

Türkçe GPT2 Modeli

Model description

This is a GPT2-Small English based model finetuned and additionaly trainied with Wikipedia Articles in Turkish as of 28-10-2020

Live demo based on this work at : https://www.metayazar.com/

Fine tuned writer on this model: https://huggingface.co/gorkemgoknar/gpt2-turkish-writer

Work has been done on Pierre Guillou tutorial as on this page. (https://github.com/piegu/fastai-projects/blob/master/finetuning-English-GPT2-any-language-Portuguese-HuggingFace-fastaiv2.ipynb)

Code is converted to work with Fastai 2.X .

Using Google Colab for training.

Additional tutorial and source will be in https://github.com/gorkemgoknar in later stage.

Current accuracy 33 % , Perplexity : 51.88

Models are available:

Intended uses & limitations

How to use

Install

from transformers import AutoTokenizer, AutoModelWithLMHead
import torch

tokenizer = AutoTokenizer.from_pretrained("gorkemgoknar/gpt2-small-turkish")
model = AutoModelWithLMHead.from_pretrained("gorkemgoknar/gpt2-small-turkish")

# Get sequence length max of 1024
tokenizer.model_max_length=1024 

model.eval()  # disable dropout (or leave in train mode to finetune)

Generate 1 word

# input sequence
text = "Bu yazıyı bilgisayar yazdı."
inputs = tokenizer(text, return_tensors="pt")

# model output
outputs = model(**inputs, labels=inputs["input_ids"])
loss, logits = outputs[:2]
predicted_index = torch.argmax(logits[0, -1, :]).item()
predicted_text = tokenizer.decode([predicted_index])

# results
print('input text:', text)
print('predicted text:', predicted_text)

# input text: 
# predicted text:  

Generate Full Sequence

# input sequence
text = "Bu yazıyı bilgisayar yazdı."
inputs = tokenizer(text, return_tensors="pt")

# model output using Top-k sampling text generation method
sample_outputs = model.generate(inputs.input_ids,
                                pad_token_id=50256,
                                do_sample=True, 
                                max_length=50, # put the token number you want
                                top_k=40,
                                num_return_sequences=1)

# generated sequence
for i, sample_output in enumerate(sample_outputs):
    print(">> Generated text {}\\\\
\\\\
{}".format(i+1, tokenizer.decode(sample_output.tolist())))

# >> Generated text
#    

Limitations and bias

The training data used for this model come from Turkish Wikipedia. We know it contains a lot of unfiltered content from the internet, which is far from neutral.

Training data

Wikipedia Turkish article dump as of 28-10-2020

Training procedure

Eval results

epoch\\ttrain_loss\\tvalid_loss\\taccuracy\\tperplexity\\ttime
0\\t4.777015\\t4.621834\\t0.292547\\t101.680367\\t2:42:05
1\\t4.509412\\t4.403999\\t0.305574\\t81.777267\\t1:09:38
2\\t4.169529\\t4.120755\\t0.324908\\t61.605747\\t1:07:45
3\\t4.293973\\t4.177899\\t0.317211\\t65.228653\\t1:07:02
4\\t4.049848\\t3.949103\\t0.338347\\t51.888783\\t1:05:53

#Epoch 0 on Tesla T4, others on V100

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
cecfcbf

0 моделей