/ Модель

Характеристики

Контекст
2 048 токенов
Архитектура
retnet · dense
Опубликована
5 авг 2023

retnet-mini-shakespeare

Генерация текстаТекст → текст3 профессии

Компактная модель RetNet, обученная на tinyshakespeare для демонстрации генерации текста и рекуррентного инференса.

97скачиваний за 30 дней11лайковвеса обновлены10 ноя 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

jploski/retnet-mini-shakespeare — компактная авторская модель на архитектуре RetNet, обученная с нуля на тексте tinyshakespeare. Она предназначена для демонстрации обучения ретентивной сети и рекуррентного инференса с постоянной по длине последовательности сложностью O(1). Модель выполняет генерацию текста, продолжая фрагменты в стилистике обучающего корпуса. Реализация основана на коде Sehyun Choi; параметры конфигурации изменены, чтобы сделать модель очень маленькой. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache 2.0.

Сценарии применения

  • эксперименты с архитектурой RetNet
  • демонстрация рекуррентной генерации текста
  • продолжение текстов в стиле Шекспира

Ограничения

Модель очень мала и обучена только на корпусе tinyshakespeare, поэтому её генерация ограничена этим узким текстовым стилем и не подходит для широких языковых задач.

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

retnet-mini-shakespeare

This model was trained from scratch on "tinyshakespeare" text file.

Model description

A tiny model similar to jploski/falcon-mini-shakespeare, to demonstrate training and recurrent inference using a retentive network (https://arxiv.org/pdf/2307.08621.pdf). The code utilizes Sehyun Choi's implementation of retentive network (https://github.com/syncdoth/RetNet) with configuration parameters changed to make it a very tiny model.

  • License: Apache 2.0.

Intended uses & limitations

Intended to demonstrate training and (recurrent O(1)) inference using a retentive network

Training and evaluation data

https://raw.githubusercontent.com/karpathy/char-rnn/master/data/tinyshakespeare/input.txt

Training procedure

Note: updated on 2023-11-10 to work with the current version of syncdoth/RetNet.

Just used the single tinyshakespeare text file as both the training and validation set (split up into paragraphs). See:

https://colab.research.google.com/drive/1wZnM7FCe4TsQpoamJ7NDAuQfA3DYiwHi?usp=sharing

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0006
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 40

Training results

Training LossEpochStepValidation Loss
3.685310.03703.4459
2.197320.07402.0213
1.381930.011101.3017
1.165840.014801.1566

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура retnet неизвестна transformers в образе рантайма.

Класс архитектуры
RetNetForCausalLM
Ревизия весов
1d6673f

0 моделей