/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
MIT
Архитектура
t5 · dense
Опубликована
2 мар 2022

ptt5-base-portuguese-vocab

Генерация текстаТекст → текст3 профессии

Базовая модель T5, предварительно обученная на португальских веб-текстах для генерации и последующей адаптации к задачам понимания португальского языка.

1 940скачиваний за 30 дней49лайковвеса обновлены10 апр 2024

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

PTT5-base-portuguese-vocab — модель семейства T5, разработанная командой Unicamp-DL и предварительно обученная на большом корпусе португалоязычных веб-страниц BrWac. Это базовая версия размера base с португальским словарём, обученным на португалоязычной Википедии; в метаданных указано 123,8 млн параметров, архитектура T5WithLMHeadModel и контекст до 512 токенов. Модель предназначена для генерации текста и может служить основой для задач на португальском языке, включая сходство предложений и определение логического следования, для которых авторы отмечают улучшение по сравнению с исходным T5.

Модель принимает текст и выдаёт текст. Репозиторий содержит веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — MIT. Карточка не описывает конкретные ограничения качества или дополнительные настройки применения.

Сценарии применения

  • генерация текста на португальском языке
  • оценка смыслового сходства португальских предложений
  • определение логического следования между португальскими текстами
  • дообучение модели для прикладных задач обработки португальского языка

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

Portuguese T5 (aka "PTT5")

Introduction

PTT5 is a T5 model pretrained in the BrWac corpus, a large collection of web pages in Portuguese, improving T5's performance on Portuguese sentence similarity and entailment tasks. It's available in three sizes (small, base and large) and two vocabularies (Google's T5 original and ours, trained on Portuguese Wikipedia).

For further information or requests, please go to PTT5 repository.

Available models

ModelSize#ParamsVocabulary
unicamp-dl/ptt5-small-t5-vocabsmall60MGoogle's T5
unicamp-dl/ptt5-base-t5-vocabbase220MGoogle's T5
unicamp-dl/ptt5-large-t5-vocablarge740MGoogle's T5
unicamp-dl/ptt5-small-portuguese-vocabsmall60MPortuguese
unicamp-dl/ptt5-base-portuguese-vocab (Recommended)base220MPortuguese
unicamp-dl/ptt5-large-portuguese-vocablarge740MPortuguese

Usage

# Tokenizer 
from transformers import T5Tokenizer

# PyTorch (bare model, baremodel + language modeling head)
from transformers import T5Model, T5ForConditionalGeneration

# Tensorflow (bare model, baremodel + language modeling head)
from transformers import TFT5Model, TFT5ForConditionalGeneration

model_name = 'unicamp-dl/ptt5-base-portuguese-vocab'

tokenizer = T5Tokenizer.from_pretrained(model_name)

# PyTorch
model_pt = T5ForConditionalGeneration.from_pretrained(model_name)

# TensorFlow
model_tf = TFT5ForConditionalGeneration.from_pretrained(model_name)

Citation

If you use PTT5, please cite:

@article{ptt5_2020,
  title={PTT5: Pretraining and validating the T5 model on Brazilian Portuguese data},
  author={Carmo, Diedre and Piau, Marcos and Campiotti, Israel and Nogueira, Rodrigo and Lotufo, Roberto},
  journal={arXiv preprint arXiv:2008.09144},
  year={2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
T5WithLMHeadModel
Ревизия весов
902768b

0 моделей