/ Модель

Характеристики

Параметры
157 млн
Лицензия
Apache 2.0
Архитектура
mt5 · dense
Опубликована
23 фев 2024

mt5-small_poetry_test-2024-02-23-11-37-04

Языковая модель3 профессии

Дообученная модель mT5 для генерации текста по текстовому запросу, связанная по названию с экспериментом над поэзией.

13скачиваний за 30 дней0лайковвеса обновлены23 фев 2024

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

Это дообученная модель семейства mT5, опубликованная пользователем serhii-korobchenko. Модель содержит 157,4 млн параметров и представлена в формате TensorFlow; она создана на основе serhii-korobchenko/mt5-small_poetry_test-2024-02-23-09-44-03. README приводит результаты обучения: эпоха 16, train loss 4,2334 и validation loss 3,3547.

Модель предназначена для генерации текста по текстовому запросу. Название репозитория указывает на эксперимент с поэзией, однако README не описывает целевой сценарий, набор данных или языки, поэтому специализацию на поэзии и качество для конкретных задач подтвердить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • генерация текста по текстовой инструкции
  • экспериментальная генерация стихотворного текста

Ограничения

Назначение, обучающие данные и поддерживаемые языки не описаны; приведённые значения потерь сами по себе не подтверждают качество генерации. Модель опубликована в формате TensorFlow.

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

serhii-korobchenko/mt5-small_poetry_test-2024-02-23-11-37-04

This model is a fine-tuned version of serhii-korobchenko/mt5-small_poetry_test-2024-02-23-09-44-03 on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 4.2334
  • Validation Loss: 3.3547
  • Epoch: 16

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': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 5.6e-05, 'decay_steps': 2400, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.0001}
  • training_precision: mixed_float16

Training results

Train LossValidation LossEpoch
6.66044.16540
6.09753.97691
5.76423.81942
5.54213.72333
5.56213.67244
5.21103.62845
5.01643.57966
4.99963.54017
4.80203.47818
4.74903.46619
4.61013.454410
4.47803.437111
4.42043.431012
4.31213.393213
4.28953.371914
4.20823.364915
4.23343.354716

Framework versions

  • Transformers 4.37.2
  • TensorFlow 2.15.0
  • Datasets 2.17.1
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
MT5ForConditionalGeneration
Ревизия весов
b18da39

0 моделей