> Если вам нравится идея тратить меньше времени на электронную почту, дополнительную работу по этой теме можно найти на этой странице организации hf — Ссылка на блокнот в Colab > Для этой модели форматирование имеет значение. Результаты могут (значительно) отличаться между структурой, описанной выше, и подсказкой = «Эй, просто хотел…» и т. д. — Эта модель представляет собой доработанную версию facebook/opt-350m на наборе данных aeslc для шести эпох. — Электронные письма, номера телефонов и т. д. пытались исключить на этапе подготовки набора данных с использованием чистого текста в Python. — Обратите внимание, что API ограничен генерацией 64 токенов — вы можете генерировать более длинные электронные письма, используя это в объекте конвейера генерации текста — в своей вечной мудрости Facebook/Meta решили создать для этого специальную лицензию, указав несколько вещей. Подробности см. в Facebook/opt-350m. — поле emailbody` для поезда + проверка (получить больше данных) из набора данных AESLC. Во время обучения использовались следующие гиперпараметры: — скорость обучения: 6e-05 — trainbatchsize: 8 — evalbatchsize: 8 — начальное число: 42 — распределенный тип: multi-GPU -gradientaccumulationsteps: 16 — totaltrainbatchsize: 128 — оптимизатор: Адам с betas=(0,9,0,999) и epsilon=1e-08 — lrschedulertype: косинус…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: pszemraj
Теги: opt, generated_from_trainer, custom-license, no-commercial, email, auto-complete, text-generation-inference, endpoints_compatible
Лайков: 6 | Загрузок: 11
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
