Характеристики

Контекст: 512 токенов
Параметры: 124 млн
Архитектура: t5 · dense
Базовая модель: pretrain_rugec
Опубликована: 25 мая 2024

Ссылки

Hugging Face

Pretrained_ReCl8

mika5883

Языковая модель

Дообученная модель T5 на 123,8 млн параметров для преобразования текста в текст без описанной специализации.

8скачиваний за 30 дней0лайковвеса обновлены25 мая 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

Pretrained_ReCl8 — дообученная модель T5 с 123,8 млн параметров, созданная на основе mika5883/pretrain_rugec. Репозиторий указывает, что модель обучена на датасете, но её конкретная специализация и назначение не описаны.

Модель использует архитектуру T5 для преобразования текста в текст; длина контекста составляет 512 токенов. Веса доступны в формате safetensors. README не содержит сведений о сценариях применения, языках, оценке качества или ограничениях. Лицензия в предоставленных данных не указана.

Ограничения

Специализация и качество модели не описаны; доступные сведения не позволяют определить подходящие прикладные сценарии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pretrained_ReCl8

This model is a fine-tuned version of mika5883/pretrain_rugec on the None dataset.

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: 5e-05
train_batch_size: 64
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Framework versions

Transformers 4.39.3
Pytorch 2.1.2
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: 0610229