/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
24 июн 2023

watsonlocal

Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для генерации текста с контекстом до 1024 токенов.

130скачиваний за 30 дней0лайковвеса обновлены24 июн 2023

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

watsonlocal — дообученная модель генерации текста на архитектуре GPT-2, опубликованная пользователем pbear1973. Модель обучалась два этапа на неизвестном наборе данных; в карточке приведены значения потерь: 5,1234 на обучающей и 5,8868 на проверочной выборке.

Модель предназначена для генерации текста. Размер модели и поддерживаемые языки не указаны в доступных данных. Нативная длина контекста составляет 1024 токена. Весы представлены в формате TensorFlow. Лицензия — MIT.

Сценарии применения

  • продолжение заданного текста
  • генерация черновиков текста
  • создание текстовых примеров для прототипирования

Ограничения

Датасет и предполагаемые сценарии применения не описаны; метрики потерь сами по себе не позволяют оценить качество ответов. Языки модели не установлены.

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

watsonlocal

This model is a fine-tuned version of gpt2 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 5.1234
  • Validation Loss: 5.8868
  • Epoch: 2

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:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 2e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossValidation LossEpoch
6.37376.18140
5.42195.97691
5.12345.88682

Framework versions

  • Transformers 4.30.2
  • TensorFlow 2.13.0-rc1
  • Datasets 2.13.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
487bd03

0 моделей