/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
30 мар 2022

tojibaceo

Генерация текстаТекст → текст3 профессии

GPT-2, дообученная на твитах Tojiba CPU Corp для генерации коротких текстов в стиле этого аккаунта.

76скачиваний за 30 дней0лайковвеса обновлены3 июн 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/tojibaceo — модель генерации текста, созданная Boris Dayma с помощью проекта HuggingTweets. Это GPT-2, дообученная на 1401 твите Tojiba CPU Corp; карточка приводит пример генерации продолжения фразы через библиотеку Transformers. Модель предназначена для создания коротких текстов, имитирующих лексику и стиль публикаций этого аккаунта. Контекст составляет 1024 токена, формат весов — PyTorch; в метаданных указан английский язык.

Модель может воспроизводить особенности и предвзятость исходных твитов, а также ограничения GPT-2. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация твитов в стиле Tojiba CPU Corp
  • продолжение коротких английских фраз
  • создание черновиков публикаций в стиле аккаунта

Ограничения

Модель наследует ограничения и предвзятость GPT-2, а обучающие твиты дополнительно влияют на её выводы. Качество и уместность сгенерированного текста не гарантируются.

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 Tojiba CPU Corp (🏭,🏭).

DataTojiba CPU Corp (🏭,🏭)
Tweets downloaded1401
Retweets706
Short tweets239
Tweets kept456

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 @tojibaceo'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/tojibaceo')
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
2bf5a46

0 моделей