Code Trans T5 Base Code Documentation Generation Java Multitask

🚀 CodeTransモデル（Javaコードドキュメント生成用）

このモデルは、t5 baseモデルアーキテクチャを使用して、プログラミング言語Java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Javaコード関数で学習されており、トークン化されたJava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-baseモデルに基づいています。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が行われました。

想定される用途と制限

このモデルは、Java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Javaコードタスクで微調整することも可能です。構文解析されていない、トークン化されていないJavaコードでも使用できますが、Java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

使い方

以下は、TransformersのSummarizationPipelineを使用してこのモデルでJava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_base_code_documentation_generation_java_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_base_code_documentation_generation_java_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "public static < T , U > Function < T , U > castFunction  ( Class < U > target ) { return new CastToClass < T , U > ( target ) ; }"
pipeline([tokenized_code])

この例をcolab notebookで実行してください。

🔧 技術詳細

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、単一のTPU Pod V3 - 8で合計480,000ステップ、シーケンス長512（バッチサイズ4096）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ような結果（BLEUスコア）を達成しています。

Created by Ahmed Elnaggar | LinkedIn and Wei Ding | LinkedIn