/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Опубликована
25 янв 2023

Ссылки

Hugging Face

tiny-gpt2

taufeeque
Генерация текстаТекст → текст3 профессии

Небольшая GPT-2 модель, дообученная на WikiText-103 для генерации и продолжения текста.

554скачиваний за 30 дней0лайковвеса обновлены28 янв 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

taufeeque/tiny-gpt2 — небольшая авторегрессионная модель семейства GPT-2, дообученная на датасете WikiText-103 v1. Она предназначена для генерации текста и может использоваться для простых экспериментов с языковыми моделями и продолжения текстов. Модель реализована на PyTorch, имеет контекстное окно 1024 токена.

В README приведены метрики на оценочном наборе: loss 5.3359 и accuracy 0.2133. Это небольшой чекпойнт, а результаты и описание не подтверждают пригодность для качественного диалога или прикладных сценариев без дополнительной проверки. Лицензия в доступных данных не указана.

Сценарии применения

  • продолжение коротких текстов
  • эксперименты с генерацией текста на GPT-2
  • обучающие демонстрации языкового моделирования

Ограничения

README не приводит сведения о предполагаемых ограничениях и сценариях применения; указанная accuracy составляет 0.2133, поэтому качество следует оценить для конкретной задачи. Лицензия не приведена в доступных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

output_tiny

This model is a fine-tuned version of gpt2_tiny_random on the wikitext wikitext-103-v1 dataset. It achieves the following results on the evaluation set:

  • Loss: 5.3359
  • Accuracy: 0.2133

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: 32
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • training_steps: 50000

Training results

Framework versions

  • Transformers 4.25.1
  • Pytorch 1.13.1
  • Datasets 2.8.0
  • Tokenizers 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
9763874

0 моделей

    Создать бенчмарк