/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC0 1.0
Архитектура
gpt2 · dense
Опубликована
2 мар 2022

csrc_774m

Генерация текстаТекст → текст3 профессии

GPT-CSRC — модель GPT-2 на 774 млн параметров для генерации фрагментов кода на C и C++ по текстовому контексту.

32скачиваний за 30 дней6лайковвеса обновлены26 авг 2022

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

GPT-CSRC — языковая модель GPT-2 с 774 млн параметров, обученная автором moyix на исходном коде C и C++ из 10 000 самых популярных пакетов Debian. Перед обучением исходные файлы дедуплицировали, чтобы уменьшить количество близких копий. Модель предназначена для генерации фрагментов кода и использовалась на сайте This Code Does Not Exist.

Модель имеет архитектуру GPT2LMHeadModel и принимает текстовый контекст длиной до 1024 токенов, выдавая продолжение в виде текста с кодом. Для токенизации используется отдельный словарь, обученный на этом наборе данных; он доступен в репозитории. Веса изначально обучались с Megatron-LM, затем были преобразованы в формат Hugging Face Transformers.

Репозиторий распространяется по лицензии CC0 1.0. Модель обучена на коде из пакетов Debian, поэтому её генерации могут содержать ошибки, небезопасные решения или фрагменты, похожие на обучающие данные; результат следует проверять перед использованием.

Сценарии применения

  • генерация фрагментов кода на C
  • автодополнение кода на C++
  • создание примеров системного программирования
  • получение вариантов реализации по началу кода

Ограничения

Модель обучена только на C и C++ коде пакетов Debian и имеет контекст 1024 токена, поэтому её возможности ограничены этим корпусом и короткими фрагментами. Сгенерированный код может быть ошибочным или небезопасным и требует проверки.

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

GPT-CSRC

This is a GPT2 774M model trained on the C/C++ code of the top 10,000 most popular packages in Debian, according to the Debian Popularity Contest. The source files were deduplicated using a process similar to the OpenWebText preprocessing (basically a locality-sensitive hash to detect near-duplicates). The model was originally trained using NVIDIA's Megatron-LM but has been converted to Huggingface. Note that the tokenizer is not the standard GPT2 BPE vocab, but one that has been trained for this dataset; the tokenizer is also available from this repository.

The processed dataset (in JSON format) can be found here: csrc_dataset_large.json.gz.

This model was used to generate snippets for the web site This Code Does Not Exist.

Usage

>>> import torch
>>> from transformers import AutoModelForCausalLM, AutoTokenizer
>>> model = AutoModelForCausalLM.from_pretrained("moyix/csrc_774m")
>>> device = torch.device("cuda")
>>> model.to(device)
>>> tokenizer = AutoTokenizer.from_pretrained("moyix/csrc_774m")
>>> prompt = tokenizer.encode('// say hello\nvoid hello() {', return_tensors="pt")
>>> output = model.generate(input_ids=prompt.to(device), max_length=32, num_return_sequences=1, do_sample=True, num_beams=4)
>>> print(tokenizer.decode(output[0].tolist(),clean_up_tokenization_spaces=True))
// say hello
void hello() {
  std::cout << "hello" << std::endl;
}

int main() {

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
cc73b90

0 моделей