/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
11 мая 2022

gpt2-xl-wechsel-german

Генерация текстаТекст → текст3 профессии

Немецкоязычная GPT-2 XL примерно на 1,5 млрд параметров для продолжения и генерации текста на немецком языке.

122скачиваний за 30 дней11лайковвеса обновлены22 сен 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

malteos/gpt2-xl-wechsel-german — немецкоязычная авторегрессионная языковая модель семейства GPT-2 XL, опубликованная malteos. Модель основана на английской GPT-2 XL: эмбеддинги слов инициализированы методом WECHSEL, остальные веса взяты из английской GPT-2 XL. Это плотная модель с примерно 1,5 млрд параметров; README сообщает об обучении на 26,2 млрд токенов и остановке после 100 тысяч шагов. Репозиторий содержит веса PyTorch, лицензия — MIT.

Модель предназначена для продолжения немецкого текста и генерации текста по заданному началу. В README приведён пример использования через Transformers. Контекст модели — 1024 токена; карточка указывает немецкий язык. В опубликованной оценке perplexity составляет 14,5, однако подробности протокола оценки не приведены.

Модель обучалась менее одной эпохи на указанном немецком корпусе OSCAR, поэтому качество может быть ограничено, особенно для задач, отличных от генерации текста. Это не чат-модель и в карточке не заявлены мультимодальные возможности.

Сценарии применения

  • продолжение немецкого текста по началу фразы
  • генерация черновиков на немецком языке
  • создание немецких примеров для языковых экспериментов

Ограничения

Обучение на указанном корпусе составило менее одной эпохи; качество для задач, отличных от генерации текста, не заявлено. Контекст ограничен 1024 токенами, а подробности протокола оценки perplexity в карточке не приведены.

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

German GPT2-XL (1.5B)

  • trained with BigScience's DeepSpeed-Megatron-LM code base
  • word embedding initialized with WECHSEL and all other weights taken from English gpt2-xl
  • ~ 3 days on 16xA100 GPUs (~ 80 TFLOPs / GPU)
  • stopped after 100k steps
  • 26.2B tokens
  • less than a single epoch on oscar_unshuffled_deduplicated_de (excluding validation set; original model was trained for 75 epochs on less data)
  • bf16
  • zero stage 0
  • tp/pp = 1

How to use

You can use this model directly with a pipeline for text generation. Since the generation relies on some randomness, we set a seed for reproducibility:

>>> from transformers import pipeline, set_seed
>>> generator = pipeline('text-generation', model='malteos/gpt2-xl-wechsel-german')
>>> set_seed(42)
>>> generator("Hello, I'm a language model,", max_length=30, num_return_sequences=5)

[{'generated_text': "Hello, I'm a language model, a language for thinking, a language for expressing thoughts."},
 {'generated_text': "Hello, I'm a language model, a compiler, a compiler library, I just want to know how I build this kind of stuff. I don"},
 {'generated_text': "Hello, I'm a language model, and also have more than a few of your own, but I understand that they're going to need some help"},
 {'generated_text': "Hello, I'm a language model, a system model. I want to know my language so that it might be more interesting, more user-friendly"},
 {'generated_text': 'Hello, I\'m a language model, not a language model"\n\nThe concept of "no-tricks" comes in handy later with new'}]

Here is how to use this model to get the features of a given text in PyTorch:

from transformers import GPT2Tokenizer, GPT2Model
tokenizer = GPT2Tokenizer.from_pretrained('malteos/gpt2-xl-wechsel-german')
model = GPT2Model.from_pretrained('malteos/gpt2-xl-wechsel-german')
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

Evaluation

Model (size)PPL
gpt2-xl-wechsel-german (1.5B)14.5
gpt2-wechsel-german-ds-meg (117M)26.4
gpt2-wechsel-german (117M)26.8
gpt2 (retrained from scratch) (117M)27.63

Other German language models

License

MIT

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
9b18697

0 моделей