/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
OpenRAIL
Архитектура
gpt2 · dense
Опубликована
9 фев 2023

gpt2_base_zh-hk-lihkg

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 генерирует короткие кантонские реплики в стиле гонконгского форума LIHKG.

100скачиваний за 30 дней4лайкавеса обновлены10 мар 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

jed351/gpt2_base_zh-hk-lihkg — авторская адаптация китайской GPT-2 с токенизатором, дополненным символами кантонского языка. Модель разработана на основе GPT-2 и дообучена на примерно 10 ГБ сообщений с гонконгского форума LIHKG; она предназначена для генерации короткого текста в стиле этого форума.

Модель использует архитектуру GPT-2 и формат PyTorch, принимает текст и генерирует текст. Контекст составляет 1024 токена. Она может подойти для экспериментов с кантонским текстом и для развлекательной генерации форумных реплик. Лицензия — OpenRAIL.

Данные LIHKG могут содержать грубую и жестокую лексику, которая может появляться в ответах. Из-за краткости исходных сообщений модель часто ограничивается одной строкой, а иногда не генерирует новых токенов. Автор рекомендует использовать её только для исследований или развлечений.

Сценарии применения

  • генерация коротких реплик на кантонском языке
  • создание форумных комментариев в стиле LIHKG
  • эксперименты с генерацией текста на кантонском

Ограничения

Обучающие данные могут содержать грубую и жестокую лексику. Модель часто генерирует только одну строку или не выдаёт новых токенов.

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

gpt2-base-lihkg

Please be aware that the training data might contain inappropriate content. This model is intended for research purposes only.

The base model can be found here, which was obtained by patching a GPT2 Chinese model and its tokenizer with Cantonese characters. Refer to the base model for info on the patching process.

The training data was obtained from scrapping an online forum in Hong Kong called LIHKG. The tool can be found here. Please also check out the Bart model created by her.

Limitations

The model was trained on ~10GB of data scrapped from LIHKG. It might contain violent and rude languages so as the text generated by the model. Please do not use it for anything other than research or entertainment.

The comments on LIHKG also tend to be very short. Thus the model cannot generate anything more than a line. In a lot of occasions might not even generate new tokens.

Training procedure

Please refer to the script provided by Huggingface.

The model was trained for 7 epochs on 1 NVIDIA Quadro RTX6000 at the Research Computing Services of Imperial College London.

How to use it?

from transformers import AutoTokenizer
from transformers import TextGenerationPipeline, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("jed351/gpt2_base_zh-hk-lihkg")
model = AutoModelForCausalLM.from_pretrained("jed351/gpt2_base_zh-hk-lihkg")
# try messing around with the parameters
generator = TextGenerationPipeline(model, tokenizer, 
                                   max_new_tokens=200, 
                                   no_repeat_ngram_size=3) #, device=0) #if you have a GPU
input_string = "your input" 
output = generator(input_string)
string = output[0]['generated_text'].replace(' ', '')
print(string)

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.1
  • Datasets 2.8.0
  • Tokenizers 0.13.2

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
0f5bff3

0 моделей