Code Trans T5 Small Code Documentation Generation Go Multitask

🚀 CodeTransモデルによるGo言語のコードドキュメント生成

このモデルは、T5 Smallモデルアーキテクチャを使用してGoプログラミング言語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を用いたマルチタスク学習を行っています。

🎯 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コードタスクで微調整することも可能です。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、性能は向上するはずです。

💻 使用例

基本的な使用法

以下は、TransformersのSummarizationPipelineを使用してこのモデルで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"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_small_code_documentation_generation_go_multitask", skip_special_tokens=True),
    device=0
)

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

この例は、colab notebookで実行できます。

📦 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）を使用して、合計340,000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。

📊 評価結果

コードドキュメントタスクにおいて、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。

テスト結果:

Created by Ahmed Elnaggar | LinkedIn and Wei Ding | LinkedIn