/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Опубликована
20 дек 2022

Ссылки

Hugging Face

gpt2-wikitext2

zack-paperspace
Генерация текстаТекст → текст3 профессии

Дообученная GPT-2 для продолжения и генерации текста с контекстом до 1024 токенов.

226скачиваний за 30 дней0лайковвеса обновлены21 дек 2022

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

zack-paperspace/gpt2-wikitext2 — дообученная версия GPT-2 для генерации текста. В карточке указана оценка Loss 6,1016 на наборе оценки; модель представлена в формате PyTorch и рассчитана на контекст до 1024 токенов.

Модель предназначена для продолжения текста и генерации фрагментов на основе заданного контекста. README сообщает о дообучении на датасете, название которого не приведено, поэтому конкретную тематику обучающих данных установить нельзя.

Модель разработана автором репозитория zack-paperspace и распространяется по лицензии MIT. Карточка не описывает ограничения и сценарии применения подробнее; качество генерации и фактическое поведение следует оценивать на нужных текстах.

Сценарии применения

  • продолжение текста по заданному началу
  • генерация коротких текстовых фрагментов
  • эксперименты с GPT-2 на текстовой генерации

Ограничения

Название обучающего датасета не приведено, поэтому тематическую специализацию модели определить нельзя. В карточке указана оценка Loss 6,1016, но не описана методика оценки или практическое качество ответов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt2-wikitext2

This model is a fine-tuned version of gpt2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 6.1016

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: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: IPU
  • gradient_accumulation_steps: 64
  • total_train_batch_size: 128
  • total_eval_batch_size: 5
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 10
  • training precision: Mixed Precision

Training results

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.10.0+cpu
  • Datasets 2.8.0
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PoptorchPipelinedGPT2LMHeadModel
Ревизия весов
f523ef2

0 моделей

    Создать бенчмарк