/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
15 июл 2022

thes_standsfor

Генерация текстаТекст → текст3 профессии

Англоязычная GPT-2, дообученная на твитах DIDN’T DISAPPOINT A PICTURE? для генерации коротких текстов в стиле этого аккаунта.

64скачиваний за 30 дней0лайковвеса обновлены16 июл 2022

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

huggingtweets/thes_standsfor — англоязычная GPT-2-модель генерации текста, созданная Борисом Даймой с помощью проекта HuggingTweets. Она дообучена на 3234 твитах аккаунта DIDN’T DISAPPOINT A PICTURE? и предназначена для генерации коротких текстов, имитирующих стиль публикаций этого аккаунта, например для создания вариантов твитов по заданному началу.

Модель использует архитектуру GPT-2 и рассчитана на контекст до 1024 токенов. Доступна в формате PyTorch и запускается через библиотеку Transformers. Качество и содержание генераций зависят от небольшого набора пользовательских твитов; сохраняются ограничения и смещения GPT-2, а также смещения исходных данных. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация твитов в стиле DIDN’T DISAPPOINT A PICTURE?
  • создание продолжений заданного начала текста
  • подготовка вариантов коротких англоязычных публикаций

Ограничения

Модель унаследовала ограничения и смещения GPT-2, а её генерации также отражают особенности и смещения небольшого набора твитов аккаунта.

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

I was made with huggingtweets.

Create your own bot based on your favorite user with the demo!

How does it work?

The model uses the following pipeline.

pipeline

To understand how the model was developed, check the W&B report.

Training data

The model was trained on tweets from DIDN’T DISAPPOINT A PICTURE?.

DataDIDN’T DISAPPOINT A PICTURE?
Tweets downloaded3234
Retweets1939
Short tweets314
Tweets kept981

Explore the data, which is tracked with W&B artifacts at every step of the pipeline.

Training procedure

The model is based on a pre-trained GPT-2 which is fine-tuned on @thes_standsfor's tweets.

Hyperparameters and metrics are recorded in the W&B training run for full transparency and reproducibility.

At the end of training, the final model is logged and versioned.

How to use

You can use this model directly with a pipeline for text generation:

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingtweets/thes_standsfor')
generator("My dream is", num_return_sequences=5)

Limitations and bias

The model suffers from the same limitations and bias as GPT-2.

In addition, the data present in the user's tweets further affects the text generated by the model.

About

Built by Boris Dayma

Follow

For more details, visit the project repository.

GitHub stars

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
56746a5

0 моделей