/ Модель

Характеристики

Контекст
512 токенов
Параметры
38,5 млн
Архитектура
t5 · dense
Базовая модель
t5-small-finetuned-2024-03-13
Опубликована
14 апр 2024

t5-small-finetuned-2024-03-14

Языковая модель3 профессии

Компактная дообученная модель T5 для задач преобразования текста в текст.

16скачиваний за 30 дней0лайковвеса обновлены14 апр 2024

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

liamvbetts/t5-small-finetuned-2024-03-14 — дообученная модель семейства T5, разработанная liamvbetts на основе liamvbetts/t5-small-finetuned-2024-03-13. Это генеративная модель типа encoder-decoder с 38,5 млн параметров и контекстом до 512 токенов, сохранённая в формате safetensors. Она предназначена для преобразования текста в текст; конкретная задача и обучающие данные не описаны.

В карточке приведены результаты оценки: loss 1,6488, ROUGE-1 36,7711, ROUGE-2 23,7969 и ROUGE-L 33,074. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация текста по текстовому запросу
  • преобразование текста в текстовом конвейере
  • эксперименты с дообученными моделями T5

Ограничения

Конкретное назначение, обучающий набор данных и поддерживаемые языки не описаны. Приведённые метрики относятся к оценочному набору, состав которого не указан.

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

t5-small-finetuned-2024-03-14

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-13 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.6488
  • Rouge1: 36.7711
  • Rouge2: 23.7969
  • Rougel: 33.074
  • Rougelsum: 33.6007
  • Gen Len: 18.814

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 4e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossRouge1Rouge2RougelRougelsumGen Len
1.67491.03411.648836.771123.796933.07433.600718.814

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
e1f6c18

0 моделей