Зачем писать все электронное письмо, если вы можете сгенерировать (большую его часть)? Эта модель представляет собой доработанную версию gpt2-medium для набора данных postbot/multi-emails-100k. Он достигает следующих результатов в оценочном наборе: — Потеря: 1,5840 — это предназначено как инструмент для экономии времени при написании предсказуемых электронных писем, а не для написания электронных писем без участия человека. убедитесь, что ваш адрес электронной почты верен, прежде чем отправлять его другим. — набор данных, по сути, представляет собой созданное вручную/дополненное расширение классического набора данных AESLC. Во время обучения использовались следующие гиперпараметры: — скорость обучения: 0,001 — trainbatchsize: 16 — evalbatchsize: 16 — начальное число: 42 — распределенный тип: multi-GPU -gradientaccumulationsteps: 8 — totaltrainbatchsize: 128 — оптимизатор: Адам с betas=(0.9,0.999) и epsilon=1e-08 — lrschedulertype: cosine — lrschedulerwarmupratio: 0.02 — num_epochs: 3 — Трансформаторы 4.22.2 — Pytorch 1.10.0+cu113 — Наборы данных 2.5.1 — Токенизаторы 0.12.1
Модальности:
Генерация текста
Задача: Генерация текста
Автор: postbot
Теги: onnx, gpt2, text generation, emailgen, email generation, email, text-generation-inference, endpoints_compatible
Лайков: 6 | Загрузок: 734
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
