Chartgpt Llama3

🚀 ChartGPT-Llama3のモデルカード

このモデルは、自然言語からチャートを生成するために使用されます。詳細については論文を参照してください。

🚀 クイックスタート

GPUでのモデルの実行

「教員の職業ステータス別の視覚的表現を与えて」という指示を含む映画データセットの例です。モデルはすべてのステップの回答を出力する必要があります。以下のコードを使用して、モデルを正常に実行できるかテストできます。

基本的な使用法

from transformers import (
    AutoTokenizer,
    AutoModelForCausalLM,
)
tokenizer = AutoTokenizer.from_pretrained("yuan-tian/chartgpt-llama3")
model = AutoModelForCausalLM.from_pretrained("yuan-tian/chartgpt-llama3", device_map="auto")
input_text = """Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.
Your response should follow the following format:
Step 1. Select the columns:
Step 2. Filter the data:
Step 3. Add aggregate functions:
Step 4. Choose chart type:
Step 5. Select encodings:
Step 6. Sort the data:

### Instruction:
Give me a visual representation of the faculty members by their professional status.

### Input:
Table Name: Faculty
Table Header: FacID,Lname,Fname,Rank,Sex,Phone,Room,Building
Table Header Type: quantitative,nominal,nominal,nominal,nominal,quantitative,nominal,nominal
Table Data Example:
1082,Giuliano,Mark,Instructor,M,2424,224,NEB
1121,Goodrich,Michael,Professor,M,3593,219,NEB
Previous Answer:


### Response:"""
inputs = tokenizer(input_text, return_tensors="pt", padding=True).to("cuda")
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens = True))

✨ 主な機能

このモデルは自然言語からチャートを生成することができます。

📦 インストール

ドキュメントに具体的なインストール手順が記載されていないため、このセクションを省略します。

📚 ドキュメント

モデルの詳細

モデルの説明

このモデルは、自然言語からチャートを生成するために使用されます。詳細については論文を参照してください。

モデルの入力形式

Below is an instruction that describes a task, paired with an input that provides further context. Write a response that appropriately completes the request.
Your response should follow the following format:
{Step 1 prompt}

{Step x-1 prompt}
{Step x prompt}

### Instruction:
{instruction}

### Input:
Table Name: {table name}
Table Header: {column names}
Table Header Type: {column types}
Table Data Example:
{data row 1}
{data row 2}
Previous Answer:
{previous answer}

### Response:

Step 1. Select the columns:
Step 2. Filter the data:
Step 3. Add aggregate functions:
Step 4. Choose chart type:
Step 5. Select encodings:
Step 6. Sort the data:

トレーニングの詳細

トレーニングデータ

このモデルは、chartgpt-dataset-llama3 で Meta-Llama-3-8B-Instruct からファインチューニングされています。

トレーニング手順

将来的に前処理とトレーニング手順を更新する予定です。

🔧 技術詳細

ドキュメントに具体的な技術詳細が記載されていないため、このセクションを省略します。

📄 ライセンス

このモデルはApache 2.0ライセンスの下で提供されています。

引用

BibTeX:

@article{tian2024chartgpt,
  title={ChartGPT: Leveraging LLMs to Generate Charts from Abstract Natural Language},
  author={Tian, Yuan and Cui, Weiwei and Deng, Dazhen and Yi, Xinjing and Yang, Yurun and Zhang, Haidong and Wu, Yingcai},
  journal={IEEE Transactions on Visualization and Computer Graphics},
  year={2024},
  pages={1-15},
  doi={10.1109/TVCG.2024.3368621}
}