Lsg Bart Base 4096 Multinews

🚀 ccdv/lsg-bart-base-4096-multinews

このモデルは、multi_news default データセットで ccdv/lsg-bart-base-4096 をファインチューニングしたバージョンです。テストセットで以下の結果を達成しています。

🚀 クイックスタート

必要条件

• Transformers >= 4.36.1
• このモデルはカスタムモデリングファイルに依存しています。trust_remote_code=True を追加する必要があります
• 詳細は #13467 を参照してください

コード例

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline

tokenizer = AutoTokenizer.from_pretrained("ccdv/lsg-bart-base-4096-multinews", trust_remote_code=True)
model = AutoModelForSeq2SeqLM.from_pretrained("ccdv/lsg-bart-base-4096-multinews", trust_remote_code=True)

text = "Replace by what you want."
pipe = pipeline("text2text-generation", model=model, tokenizer=tokenizer, device=0)
generated_text = pipe(
  text, 
  truncation=True, 
  max_length=64, 
  no_repeat_ngram_size=7,
  num_beams=2,
  early_stopping=True
  )

✨ 主な機能

このモデルは、Local-Sparse-Globalアテンションを利用して長いシーケンスを処理します。

モデルは約1億4500万個のパラメータを持ち（エンコーダ6層 - デコーダ6層）、BART-baseからウォームスタートされ、長いシーケンスを処理できるように変換され（エンコーダのみ）、ファインチューニングされています。

📦 インストール

コード例を実行するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline

tokenizer = AutoTokenizer.from_pretrained("ccdv/lsg-bart-base-4096-multinews", trust_remote_code=True)
model = AutoModelForSeq2SeqLM.from_pretrained("ccdv/lsg-bart-base-4096-multinews", trust_remote_code=True)

text = "Replace by what you want."
pipe = pipeline("text2text-generation", model=model, tokenizer=tokenizer, device=0)
generated_text = pipe(
  text, 
  truncation=True, 
  max_length=64, 
  no_repeat_ngram_size=7,
  num_beams=2,
  early_stopping=True
  )

📚 ドキュメント

テストセットでの結果

小さいブロックサイズでの結果

トレーニングハイパーパラメータ

以下のハイパーパラメータはトレーニング中に使用されました。

• learning_rate: 8e-05
• train_batch_size: 8
• seed: 42
• gradient_accumulation_steps: 4
• total_train_batch_size: 32
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 12.0

生成ハイパーパラメータ

以下のハイパーパラメータは生成中に使用されました。

• dataset_name: multi_news
• dataset_config_name: default
• eval_batch_size: 8
• eval_samples: 5622
• early_stopping: True
• ignore_pad_token_for_loss: True
• length_penalty: 2.0
• max_length: 320
• min_length: 32
• num_beams: 5
• no_repeat_ngram_size: None
• seed: 123

フレームワークバージョン

• Transformers 4.18.0
• Pytorch 1.10.1+cu102
• Datasets 2.1.0
• Tokenizers 0.11.6

関連リンク

• LSG ArXiv 論文
• Github/変換スクリプトはこの リンク から入手できます。

🔧 技術詳細

このモデルは、Local-Sparse-Globalアテンションを利用して長いシーケンスを効率的に処理します。アテンションメカニズムの可視化は以下の画像の通りです。

モデルは約1億4500万個のパラメータを持ち、エンコーダが6層、デコーダが6層で構成されています。BART-baseからウォームスタートされ、長いシーケンスを処理できるように変換され（エンコーダのみ）、ファインチューニングされています。

📄 ライセンス

READMEにライセンス情報は記載されていません。