/ Модель

Характеристики

Контекст
1 024 токена
Параметры
57,2 млн
Лицензия
Apache 2.0
Архитектура
mixtral · MoE
Базовая модель
dart-v2-moe-base
Библиотека
transformers
Опубликована
6 мая 2024

dart-v2-moe-sft

Генерация текстаТекст → текст3 профессии

Дообученная модель Mixtral генерирует и дополняет теги Danbooru по текстовой подсказке и настройкам генерации.

1 544скачиваний за 30 дней17лайковвеса обновлены11 мая 2024

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

Dart v2-moe-sft — авторская дообученная модель Plat для генерации тегов в стиле Danbooru. Это причинная языковая модель на архитектуре Mixtral с механизмом MoE; в метаданных указано 57,2 млн параметров, контекст — 1024 токена. Обучение SFT проводилось на наборе isek-ai/danbooru-tags-2024 с тегами изображений за период с 2005 года по март 2024 года.

Модель принимает текстовые подсказки с тегами и параметрами генерации и выдаёт продолжение в виде тегов. Подсказки могут задавать категорию рейтинга содержания, соотношение сторон, желаемую длину списка и строгость сохранения идентичности персонажа или объекта. Она предназначена для подготовки и дополнения тегов к изображениям, а также для творческой генерации наборов тегов. Модель работает с тегами Danbooru, а не с естественным языком как основным языком общения.

В README сказано, что оценка качества ещё не проводилась; экспериментальная библиотека dartrs для инференса может меняться. Лицензия модели — Apache-2.0. При режиме без строгого сохранения идентичности модель может отходить от заданных тегов; более строгий режим уменьшает творческую вариативность.

Сценарии применения

  • генерация тегов Danbooru для изображения по исходному набору тегов
  • дополнение и расширение списка тегов изображения
  • подбор тегов с учётом соотношения сторон изображения
  • генерация заданного по длине списка тегов
  • сохранение или творческое изменение тегов персонажа

Ограничения

Оценка качества модели не проводилась. Она генерирует теги, а не анализирует изображение напрямую, и при творческом режиме может не сохранить заданную идентичность персонажа или объекта.

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

Dart (Danbooru Tags Transformer) v2

This model is a fine-tuned Dart (Danbooru Tags Transformer) model that generates danbooru tags.

Demo: 🤗 Space with ZERO

Model variants

NameArchitectureParam sizeType
v2-moe-sftMixtral166mSFT
v2-moe-baseMixtral166mPretrain
v2-sftMistral114mSFT
v2-baseMistral114mPretrain
v2-vectorsEmbedding-Tag Embedding

Usage

Using 🤗Transformers

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

MODEL_NAME = "p1atdev/dart-v2-moe-sft"

tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForCausalLM.from_pretrained(MODEL_NAME, torch_dtype=torch.bfloat16)

prompt = (
    f"<|bos|>"
    f"<copyright>vocaloid</copyright>"
    f"<character>hatsune miku</character>"
    f"<|rating:general|><|aspect_ratio:tall|><|length:long|>"
    f"<general>1girl, cat ears<|identity:none|><|input_end|>"
)
inputs = tokenizer(prompt, return_tensors="pt").input_ids

with torch.no_grad():
  outputs = model.generate(
    inputs,
    do_sample=True,
    temperature=1.0,
    top_p=1.0,
    top_k=100,
    max_new_tokens=128,
    num_beams=1,
  )

print(", ".join([tag for tag in tokenizer.batch_decode(outputs[0], skip_special_tokens=True) if tag.strip() != ""]))
# vocaloid, hatsune miku, 1girl, cat ears, closed mouth, detached sleeves, dress, expressionless, from behind, full body, green theme, hair ornament, hair ribbon, headphones, high heels, holding, holding microphone, long hair, microphone, monochrome, necktie, ribbon, short dress, shoulder tattoo, simple background, sleeveless, sleeveless dress, spot color, standing, tattoo, thighhighs, twintails, very long hair, white background

Using 📦dartrs library

[!WARNING] This library is very experimental and there will be breaking changes in the future.

📦dartrs is a 🤗candle backend inference library for Dart v2 models.

pip install -U dartrs
from dartrs.dartrs import DartTokenizer
from dartrs.utils import get_generation_config
from dartrs.v2 import (
    compose_prompt,
    MixtralModel,
    V2Model,
)
import time
import os

MODEL_NAME = "p1atdev/dart-v2-moe-sft"

model = MixtralModel.from_pretrained(MODEL_NAME)
tokenizer = DartTokenizer.from_pretrained(MODEL_NAME)

config = get_generation_config(
    prompt=compose_prompt(
        copyright="vocaloid",
        character="hatsune miku",
        rating="general", # sfw, general, sensitive, nsfw, questionable, explicit
        aspect_ratio="tall", # ultra_wide, wide, square, tall, ultra_tall
        length="medium", # very_short, short, medium, long, very_long
        identity="none", # none, lax, strict
        prompt="1girl, cat ears",
    ),
    tokenizer=tokenizer,
)

start = time.time()
output = model.generate(config)
end = time.time()

print(output)
print(f"Time taken: {end - start:.2f}s")
# cowboy shot, detached sleeves, empty eyes, green eyes, green hair, green necktie, hair in own mouth, hair ornament, letterboxed, light frown, long hair, long sleeves, looking to the side, necktie, parted lips, shirt, sleeveless, sleeveless shirt, twintails, wing collar
# Time taken: 0.26s

Prompt Format

prompt = (
    f"<|bos|>"
    f"<copyright>{copyright_tags_here}</copyright>"
    f"<character>{character_tags_here}</character>"
    f"<|rating:general|><|aspect_ratio:tall|><|length:long|>"
    f"<general>{general_tags_here}<|identity:none|><|input_end|>"
)
  • Rating tag: <|rating:sfw|>, <|rating:general|>, <|rating:sensitive|>, nsfw, <|rating:questionable|>, <|rating:explicit|>

    • sfw: randomly generates tags in general or sensitive rating categories.
    • general: generates tags in general rating category.
    • sensitive: generates tags in sensitive rating category.
    • nsfw: randomly generates tags in questionable or explicit rating categories.
    • questionable: generates tags in questionable rating category.
    • explicit: generates tags in explicit rating category.
  • Aspect ratio tag: <|aspect_ratio:ultra_wide|>, <|aspect_ratio:wide|>, <|aspect_ratio:square|>, <|aspect_ratio:tall|>, <|aspect_ratio:ultra_tall|>

    • ultra_wide: generates tags suits for extremely wide aspect ratio images. (~2:1)
    • wide: generates tags suits for wide aspect ratio images. (2:1~9:8)
    • square: generates tags suits for square aspect ratio images. (9:8~8:9)
    • tall: generates tags suits for tall aspect ratio images. (8:9~1:2)
    • ultra_tall: generates tags suits for extremely tall aspect ratio images. (1:2~)
  • Length tag: <|length:very_short|>, <|length:short|>, <|length:medium|>, <|length:long|>, <|length:very_long|>

    • very_short: totally generates ~10 number of tags.
    • short: totally generates ~20 number of tags.
    • medium: totally generates ~30 number of tags.
    • long: totally generates ~40 number of tags.
    • very_long: totally generates 40~ number of tags.
  • Identity tag: <|identity:none|>, <|identity:lax|>, <|identity:strict|>

    • This tag specifies how strictly to preserve identity of character or subject in provided tags.
    • none: recommended if the specified general tags are very few. It generates tags very creatively, but sometimes ignores the condition of the general tags.
    • lax: recommended if you want to keep the identity of charaacters or subjects in the general tags. This tag tries not to generate tags which conflict with the input general tags.
    • strict: recommended if you strongly want to keep the identity of charaacters or subjects in the general tags. This tag tries not to generate tags which conflict with the input general tags more strictly than lax. But this is less creative, so if you don't like the result with strict, please try lax or none.

Model Details

Model Description

  • Developed by: Plat
  • Model type: Causal language model
  • Language(s) (NLP): Danbooru tags
  • License: Apache-2.0
  • Finetuned from model: dart-v2-moe-base
  • Demo: Available on 🤗 Space

Training Details

Training Data

This model was trained with:

Training Procedure

TODO

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.00025
  • train_batch_size: 1024
  • eval_batch_size: 256
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 2048
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 4

Evaluation

Evaluation has not been done yet and it needs to evaluate.

Model Architecture and Objective

The architecture of this model is Mixtral. See details in config.json.

Compute Infrastructure

Server in a university laboratory

Hardware

8x RTX A6000

Software

Related Projects

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
167fdb1

0 моделей