/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC-SA 4.0
Архитектура
gpt2 · dense
Опубликована
17 мая 2022

skgpt-base-kormath

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2-модель для генерации текста на основе madatnlp/sk-kogptv2-kormath-causal.

62скачиваний за 30 дней0лайковвеса обновлены17 мая 2022

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

madatnlp/skgpt-base-kormath — дообученная модель генерации текста на архитектуре GPT-2, созданная на основе madatnlp/sk-kogptv2-kormath-causal. В карточке приведены результаты обучения: train loss 0,4912 и validation loss 1,1109 на 25-й эпохе; сведения о датасете и подробной оценке качества отсутствуют.

Модель предназначена для генерации текста. Контекст составляет 1024 токена. Метаданные указывают формат TensorFlow и лицензию CC BY-NC-SA 4.0, которая требует атрибуции и распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Сценарии применения

  • генерация продолжения текста
  • создание текстовых фрагментов на основе затравки
  • эксперименты с генерацией текста на корейском языке

Ограничения

Датасет обучения и подробные сведения о назначении и ограничениях не раскрыты; качество подтверждено только указанными значениями потерь. Лицензия запрещает коммерческое использование.

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

madatnlp/skgpt-base-kormath

This model is a fine-tuned version of madatnlp/sk-kogptv2-kormath-causal on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 0.4912
  • Validation Loss: 1.1109
  • Epoch: 25

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:

  • optimizer: {'name': 'Adam', 'learning_rate': 5.3799995e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
2.07771.50420
1.43501.19041
1.32481.28712
1.16611.44413
1.09201.09734
1.04311.38605
0.95411.22286
0.93151.03857
0.88751.21568
0.88381.01959
0.80291.195610
0.75331.113911
0.75261.486812
0.69861.104513
0.69991.108314
0.64621.008215
0.63251.064316
0.63501.072917
0.63731.045518
0.59221.283419
0.56061.103120
0.52411.308521
0.53941.291122
0.54861.240723
0.52391.207524
0.49121.110925

Framework versions

  • Transformers 4.19.2
  • TensorFlow 2.8.0
  • Datasets 2.2.1
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
c41b837

0 моделей