/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,4 млн
Архитектура
reformer · dense

reformer-clm

Генерация текстаТекст → текст3 профессии

Компактная языковая модель Reformer, обученная с нуля на CNN/DailyMail для генерации текста.

164скачиваний за 30 дней0лайковвеса обновлены5 сен 2021

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

mwesner/reformer-clm — языковая модель на архитектуре Reformer с головкой для авторегрессионного предсказания следующего токена, обученная с нуля на наборе CNN/DailyMail. В карточке указано значение loss 2,7783 на оценочной выборке.

Модель предназначена для генерации текста; обучение на CNN/DailyMail указывает на связь с новостными статьями и их сводками. Веса опубликованы в формате PyTorch. Параметры составляют 6,4 млн, родной контекст — 4096 токенов.

Карточка не описывает практические сценарии, качество генерации или ограничения модели. Лицензия в доступных данных не указана.

Сценарии применения

  • генерация продолжения текста
  • эксперименты с компактной языковой моделью Reformer
  • изучение авторегрессионного обучения на CNN/DailyMail

Ограничения

Карточка не содержит описания ограничений и подробностей оценки; приведён только loss на оценочной выборке. Лицензия не указана в предоставленных данных.

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

reformer-clm

This casual language model was trained from scratch on CNN/Dailymail dataset. It achieves the following results on the evaluation set:

  • Loss: 2.7783

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 10

Training results

Training LossEpochStepValidation Loss
3.83211.0184123.8074
3.49652.0368243.4223
3.19273.0552363.0815
3.0464.0736482.9270
2.97815.0920602.8515
2.93986.01104722.8082
2.92937.01288842.7904
2.92128.01472962.7817
2.91699.01657082.7787
2.919710.01841202.7783

Framework versions

  • Transformers 4.6.1
  • Pytorch 1.9.0
  • Datasets 1.2.1
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ReformerModelWithLMHead
Ревизия весов
0e32b47

0 моделей