/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
38,5 млн
Архитектура
t5 · dense
Опубликована
4 июн 2022

Ссылки

Hugging Face

t5-small_6_3-en-hi_en_LinCE

sayanmandal
ПереводТекст → текст3 профессии

Компактная модель T5 для машинного перевода между английским и хинди.

31скачиваний за 30 дней0лайковвеса обновлены5 июн 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.

Открыть конструктор бенчмарка

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

sayanmandal/t5-small_6_3-en-hi_en_LinCE — модель машинного перевода на архитектуре T5, обученная с нуля. Она содержит 38,5 млн параметров и рассчитана на перевод между английским и хинди; суффикс en-hi в названии указывает на эту языковую пару.

Модель принимает текст и генерирует текст, максимальная длина контекста — 512 токенов. В README приведены результаты оценки: BLEU 7,8135 и loss 2,2034; назначение, кроме перевода, и ограничения подробно не описаны. Опубликованные веса представлены в формате PyTorch. Лицензия в доступных сведениях не указана.

Сценарии применения

  • перевод текста с английского на хинди
  • перевод текста с хинди на английский
  • эксперименты с компактной моделью машинного перевода

Ограничения

В README указаны низкий результат BLEU 7,8135 и отсутствие описания предполагаемых сценариев и ограничений; качество следует проверять на целевых данных. Лицензия не указана в доступных сведениях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

t5-small_6_3-en-hi_en_LinCE

This model was trained from scratch on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 2.2034
  • Bleu: 7.8135
  • Gen Len: 39.5564

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 50
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossBleuGen Len
No log0.99943.54240.918716.7437
No log1.991883.14341.288616.8158
No log2.992822.94941.457716.7824
No log3.993762.82331.474516.8879
No log4.994702.73001.711616.6636
3.63035.995642.65891.785716.6302
3.63036.996582.60051.857216.4553
3.63037.997522.54562.13916.3925
3.63038.998462.50232.383516.2911
3.63039.999402.47252.560716.3271
2.908710.9910342.42722.661416.3138
2.908711.9911282.39772.962316.3338
2.908712.9912222.36863.124816.2443
2.908713.9913162.34383.329416.3458
2.908714.9914102.32533.388516.3591
2.658815.9915042.30283.398516.3124
2.658816.9915982.28393.377216.3858
2.658817.9916922.27043.580416.3872
2.658818.9917862.25333.875116.2697
2.658819.9918802.23784.000316.3271
2.658820.9919742.22334.027116.3031
2.507921.9920682.21604.189816.3057
2.507922.9921622.20104.121616.3031
2.507923.9922562.19354.131116.2644
2.507924.9923502.18334.137316.3138
2.507925.9924442.17254.347116.3057
2.402726.9925382.16574.18316.3298
2.402727.9926322.16114.286716.3351
2.402728.9927262.15314.268916.2737
2.402729.9928202.14824.480216.2644
2.402730.9929142.14434.46916.231
2.325131.9930082.13754.529516.227
2.325132.9931022.13304.479916.2243
2.325133.9931962.13074.712416.2417
2.325134.9932902.12484.595416.3004
2.325135.9933842.12154.745516.215
2.325136.9934782.11664.623316.2016
2.281837.9935722.11474.684316.219
2.281838.9936662.11124.706816.2163
2.281839.9937602.10714.68416.223
2.281840.9938542.10344.732316.2523
2.281841.9939482.09984.640616.2016
2.239242.9940422.10174.760916.1976
2.239243.9941362.10214.763416.2069
2.239244.9942302.09944.785416.1976
2.239245.9943242.09804.756216.2243
2.239246.9944182.09644.792116.219
2.219247.9945122.09704.802916.2377
2.219248.9946062.09674.795316.2176
2.219249.9947002.09684.81916.2457

Framework versions

  • Transformers 4.20.0.dev0
  • Pytorch 1.8.0
  • Datasets 2.1.0
  • Tokenizers 0.12.1

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
6173162

0 моделей

    Создать бенчмарк