Code Trans T5 Small Code Documentation Generation Go Multitask Finetune

🚀 Goコードドキュメント生成用CodeTransモデル

このモデルは、t5 smallモデルアーキテクチャを使用して、プログラミング言語Goで事前学習されたものです。最初はthisリポジトリで公開されました。このモデルは、トークン化されたGoコード関数で学習されており、トークン化されたGo関数で最も良い性能を発揮します。

✨ 主な機能

モデルの説明

このCodeTransモデルは、t5-smallモデルをベースにしています。独自のSentencePiece語彙モデルを持っています。ソフトウェア開発分野の13の教師ありタスクと7つの教師なしデータセットでマルチタスク学習を行い、その後、Go関数/メソッドのコードドキュメント生成タスクでファインチューニングされています。

想定される用途と制限

このモデルは、Go関数の説明を生成するために使用することができます。また、他のGoコードタスクでファインチューニングすることもできます。解析されていない、トークン化されていないGoコードでも使用できますが、Goコードがトークン化されている場合、性能は向上します。

📦 インストール

このセクションでは、インストールに関する具体的な内容がありません。

💻 使用例

基本的な使用法

これは、TransformersのSummarizationPipelineを使用して、このモデルを使ってGo関数のドキュメントを生成する方法です。

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_small_code_documentation_generation_go_multitask_finetune"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_small_code_documentation_generation_go_multitask_finetune", skip_special_tokens=True),
    device=0
)

tokenized_code = "func ( pr * Progress ) needSnapshotAbort ( ) bool { return pr . State == ProgressStateSnapshot && pr . Match >= pr . PendingSnapshot   }"
pipeline([tokenized_code])

この例をcolab notebookで実行してください。

📚 ドキュメント

学習データ

教師あり学習タスクのデータセットは、このリンクからダウンロードできます。

学習手順

マルチタスク事前学習

このモデルは、シーケンス長512（バッチサイズ4096）で、合計50万ステップ、単一のTPU Pod V3 - 8で学習されました。総計で約220Mのパラメータを持ち、エンコーダ - デコーダアーキテクチャを使用して学習されました。事前学習には、逆平方根学習率スケジュールを持つAdaFactorオプティマイザが使用されました。

ファインチューニング

このモデルは、その後、シーケンス長512（バッチサイズ256）で、合計2000ステップ、単一のTPU Pod V2 - 8で、Goコードのみを含むデータセットを使用してファインチューニングされました。

評価結果

コードドキュメントタスクについて、異なるモデルが異なるプログラミング言語で次の結果（BLEUスコア）を達成しています。

📄 ライセンス

このセクションでは、ライセンスに関する具体的な内容がありません。

Created by Ahmed Elnaggar | LinkedIn and Wei Ding | LinkedIn