— попробуйте в блокноте Google Colab. — Используйте в bash/cmd с этой сутью 🙂 > Для этой модели форматирование имеет значение. Результаты могут (значительно) отличаться между структурой, описанной выше, и приглашением = «Эй, просто хотел…» и т. д. Эта модель представляет собой доработанную версию distilgpt2 для набора данных из 50 тысяч электронных писем, включая классический набор данных aeslc. В оценочном наборе достигаются следующие результаты: — Потеря: 2,6247 Целью использования этой модели является предоставление предложений по «автозаполнению» остальной части вашего электронного письма. Другими словами, он должен служить инструментом для более быстрого написания предсказуемых электронных писем. Он не предназначен для написания целых электронных писем; по крайней мере, требуется некоторая информация, чтобы определить направление модели. Пожалуйста, проверьте все предположения модели на предмет А) ложных утверждений и Б) отрицательных утверждений, прежде чем принять/отправить что-либо. Во время обучения использовались следующие гиперпараметры: — скорость обучения: 6e-05 — trainbatchsize: 8 — evalbatchsize: 8 — начальное число: 42 — распределенный тип: multi-GPU — градиентаккумуляция шагов: 32 — totaltrainbatchsize: 256 — оптимизатор: Адам с betas=(0,9,0,999) и epsilon=1e-08 — lrschedulertype: косинус — lrschedulerwarmupratio: 0,02 — num_epochs: 5 -…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: postbot
Теги: gpt2, generated_from_trainer, distilgpt2, email generation, email, text-generation-inference, endpoints_compatible
Лайков: 4 | Загрузок: 212
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
