/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Лицензия
BSD 3-Clause
Архитектура
codegen · dense
Опубликована
1 мая 2023

Ссылки

Hugging Face

codegen-350M-mono-custom-functions-dataset-python_v2

sharoz
Генерация текстаТекст → текст5 профессий

Дообученная CodeGen-350M-Mono для генерации программного кода, в том числе функций на Python.

116скачиваний за 30 дней2лайкавеса обновлены1 мая 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.

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

sharoz/codegen-350M-mono-custom-functions-dataset-python_v2 — дообученная модель Salesforce CodeGen-350M-Mono для генерации кода. Она основана на архитектуре CodeGenForCausalLM и предназначена для продолжения текстового ввода и создания программного кода; в названии указана настройка на пользовательском наборе функций на Python, однако README не описывает конкретные сценарии обучения или оценки. Модель принимает и выдаёт текст, а её контекст составляет 2048 токенов.

Модель опубликована в формате PyTorch под лицензией BSD 3-Clause. В README приведено значение loss 0,2820 на наборе оценки, но подробности методики и результатов не раскрыты. Возможности и ограничения обучения на Python следует оценивать с учётом недостатка сведений о датасете и тестировании.

Сценарии применения

  • генерация функций на Python по текстовому описанию
  • продолжение фрагментов кода Python
  • создание черновых примеров кода
  • автодополнение кода в редакторе

Ограничения

README не описывает состав обучающих данных, конкретные сценарии применения и подробные результаты оценки. Контекст модели ограничен 2048 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

codegen-350M-mono-custom-functions-dataset-python_v2

This model is a fine-tuned version of Salesforce/codegen-350M-mono on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2820

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: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation Loss
No log1.0360.3738
No log2.0720.2897
No log3.01080.2621
No log4.01440.2754
No log5.01800.2820

Framework versions

  • Transformers 4.28.1
  • Pytorch 2.0.0+cu118
  • Datasets 2.12.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
CodeGenForCausalLM
Ревизия весов
adee545

0 моделей

    Создать бенчмарк