/ Модель

Характеристики

Параметры
404 млн
Лицензия
CC BY 4.0
Архитектура
t5 · dense
Базовая модель
pko-t5-large
Опубликована
1 ноя 2023

t5-large-finetuned-multi_v3

Языковая модель4 профессии

Дообученная корейская модель T5 для генерации и преобразования текста.

8скачиваний за 30 дней0лайковвеса обновлены1 ноя 2023

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

yeye776/t5-large-finetuned-multi_v3 — дообученная модель на базе paust/pko-t5-large, опубликованная в формате PyTorch. Это T5 для преобразования текста в текст с 403,9 млн параметров. Карточка не описывает конкретные задачи модели, обучающие данные или результаты оценки, поэтому её назначение можно определить только в общих чертах: генерация и преобразование текста.

Базовая модель — корейская T5 v1.1, предназначенная для генерации и преобразования текста. Репозиторий указывает лицензию CC BY 4.0. Сведения о поддерживаемых языках, контексте и специальных ограничениях дообученной модели в карточке отсутствуют.

Сценарии применения

  • генерация текста
  • перефразирование текста
  • преобразование текста в заданном формате

Ограничения

Карточка не сообщает конкретную задачу дообучения, обучающие данные и результаты оценки, поэтому качество для отдельных сценариев не подтверждено.

Для каких профессий подходит4

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

t5-large-finetuned-multi_v3

This model is a fine-tuned version of paust/pko-t5-large on the None dataset.

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: 0.0007
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.06
  • num_epochs: 8

Training results

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
T5ForConditionalGeneration
Ревизия весов
a920e58

0 моделей