V1 Kurdana

🚀 モデルIDのモデルカード

このモデルは🤗 transformersモデルのモデルカードで、Hubに公開されています。このモデルカードは自動生成されています。

📚 モデルの詳細

このモデルは、21人の詩人による87冊の本から6116の詩を使って学習されています。

モデルの説明

ファインチューニング用のデータ:

• ハザール
• ヘーメン
• ピレメルド
• カーネ
• ゴラーン
• ウェファイ
• ナーリ
• ジェラール・メラクシャ
• シェルコ・ベケス
• メハヴィ
• ヘーディ
• ジガルクホイン
• デルシャード・メリワーニ
• サービーリ
• カマーリ
• カマーラン・モークリ
• アコール
• ハーキーキ
• スワーレ・イルハーニザーデ
• ナーフィー・メザーヘル

• 開発者: Shabab Koohi
• 資金提供元 [任意]: Shabab Koohi
• 開発者への連絡先: https://www.linkedin.com/in/shabab-koohi/
• 共有者 [任意]: [詳細情報が必要]
• モデルの種類: [詳細情報が必要]
• 言語 (NLP): [詳細情報が必要]
• ライセンス: [詳細情報が必要]
• ファインチューニング元のモデル [任意]: mt5

モデルのソース [任意]

• リポジトリ: https://github.com/shkna1368/kurdana/
• 論文 [任意]: [詳細情報が必要]
• デモ [任意]: [詳細情報が必要]

🚀 クイックスタート

モデルの使い方

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("shkna1368/v1-Kurdana")
model = AutoModelForSeq2SeqLM.from_pretrained("shkna1368/v1-Kurdana")

input_ids =  tokenizer.encode(question, return_tensors="pt")
output_ids = model.generate(input_ids, max_length=1200, num_beams=200, early_stopping=False)
answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)

🔧 トレーニングの詳細

トレーニングデータ

[詳細情報が必要]

トレーニング手順

前処理 [任意]

[詳細情報が必要]

トレーニングハイパーパラメータ

• トレーニング方式: [詳細情報が必要]

速度、サイズ、時間 [任意]

[詳細情報が必要]

📊 評価

テストデータ、要因、メトリクス

テストデータ

[詳細情報が必要]

要因

[詳細情報が必要]

メトリクス

[詳細情報が必要]

結果

[詳細情報が必要]

概要

🌱 環境への影響

炭素排出量は、Lacoste et al. (2019)で提示されたMachine Learning Impact calculatorを使用して推定できます。

• ハードウェアの種類: [詳細情報が必要]
• 使用時間: [詳細情報が必要]
• クラウドプロバイダー: [詳細情報が必要]
• コンピュートリージョン: [詳細情報が必要]
• 排出された炭素量: [詳細情報が必要]