Характеристики

Контекст: 512 токенов
Параметры: 38,5 млн
Архитектура: t5 · dense
Базовая модель: t5-small-finetuned-2024-03-22
Опубликована: 14 апр 2024

Ссылки

Hugging Face

t5-small-finetuned-2024-03-23

liamvbetts

Языковая модель

Компактная дообученная модель T5 для преобразования текста в текст с контекстом до 512 токенов.

8скачиваний 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-2024-03-23 — компактная модель T5, дообученная автором на основе liamvbetts/t5-small-finetuned-2024-03-22 для преобразования текста в текст. Она содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает контекст длиной до 512 токенов.

Карточка приводит метрики оценки: Loss 1,9844, ROUGE-1 31,4542, ROUGE-2 16,6935, ROUGE-L 26,6655, ROUGE-Lsum 27,3247 и среднюю длину генерации 18,8028 токена. Конкретная задача, обучающие данные и предполагаемые сценарии применения не описаны, поэтому назначение модели за пределами общего преобразования текста в текст определить нельзя. Веса опубликованы в формате Safetensors; сведения о лицензии отсутствуют.

Сценарии применения

Преобразование текстового ввода в текстовый вывод

Ограничения

Карточка не уточняет конкретное назначение, обучающий датасет и ограничения модели; приведены только агрегированные метрики оценки. Лицензия не указана в предоставленных данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

t5-small-finetuned-2024-03-23

This model is a fine-tuned version of liamvbetts/t5-small-finetuned-2024-03-22 on the None dataset. It achieves the following results on the evaluation set:

Loss: 1.9844
Rouge1: 31.4542
Rouge2: 16.6935
Rougel: 26.6655
Rougelsum: 27.3247
Gen Len: 18.8028

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 Loss	Epoch	Step	Validation Loss	Rouge1	Rouge2	Rougel	Rougelsum	Gen Len
2.0832	1.0	282	1.9844	31.4542	16.6935	26.6655	27.3247	18.8028

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: a21d996