/ Модель

Характеристики

Контекст
512 токенов
Параметры
385 млн
Лицензия
MIT
Архитектура
t5 · dense
Опубликована
5 янв 2023

python-code-explainer

СуммаризацияТекст → текст6 профессий

Модель на базе CodeT5-large создаёт построчные объяснения фрагментов кода Python.

108скачиваний за 30 дней14лайковвеса обновлены19 мар 2023

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

sagard21 разработал эту модель на базе Salesforce/codet5-large для упрощения понимания кода: она создаёт построчные объяснения фрагментов исходного кода. Модель дообучена на небольшой выборке фрагментов Python и опубликована в форматах PyTorch и safetensors.

Это модель семейства T5 с архитектурой T5ForConditionalGeneration и 385,2 млн параметров. Она предназначена для суммаризации кода; заявленная длина контекста составляет 512 токенов. Карточка приводит метрики проверки: Loss 2,156, ROUGE-1 29,375, ROUGE-2 18,128 и ROUGE-L 25,445.

Лицензия — MIT. Обучение на небольшой выборке Python ограничивает обобщение на другие языки программирования и типы кода; приведённые метрики сами по себе не гарантируют качество объяснений на произвольных входных данных.

Сценарии применения

  • получение построчного объяснения фрагмента Python-кода
  • упрощение понимания незнакомого Python-кода
  • создание краткого описания Python-фрагмента
  • подготовка пояснений к коду для обучения и документации

Ограничения

Модель обучена на небольшой выборке фрагментов Python, поэтому её применимость к другим языкам программирования и стилям кода ограничена. Контекст модели составляет 512 токенов.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Trained Using AutoTrain

  • Problem type: Summarization
  • Model ID: 2745581349
  • CO2 Emissions (in grams): 5.3931

Model Description

This model is an attempt to simplify code understanding by generating line by line explanation of a source code. This model was fine-tuned using the Salesforce/codet5-large model. Currently it is trained on a small subset of Python snippets.

Model Usage

from transformers import (
    AutoModelForSeq2SeqLM,
    AutoTokenizer,
    AutoConfig,
    pipeline,
)

model_name = "sagard21/python-code-explainer"

tokenizer = AutoTokenizer.from_pretrained(model_name, padding=True)

model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

config = AutoConfig.from_pretrained(model_name)

model.eval()

pipe = pipeline("summarization", model=model_name, config=config, tokenizer=tokenizer)

raw_code = """
def preprocess(text: str) -> str:
    text = str(text)
    text = text.replace("\n", " ")
    tokenized_text = text.split(" ")
    preprocessed_text = " ".join([token for token in tokenized_text if token])

    return preprocessed_text
"""

print(pipe(raw_code)[0]["summary_text"])

Validation Metrics

  • Loss: 2.156
  • Rouge1: 29.375
  • Rouge2: 18.128
  • RougeL: 25.445
  • RougeLsum: 28.084
  • Gen Len: 19.000

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
fe15408

0 моделей