Bart Large Scientific Lay Summarisation

🚀 bart-large-tomasg25/scientific_lay_summarisation

このモデルは、Amazon SageMakerと新しいHugging Faceのディープラーニングコンテナを使用して学習されました。このモデルは、科学的な文章の要約に特化しており、環境と健康に関する文章の要約にも役立ちます。

🚀 クイックスタート

このモデルは、Amazon SageMakerとHugging Faceのディープラーニングコンテナを使用して学習されました。詳細については、以下のリンクを参照してください。

• 🤗 Transformers Documentation: Amazon SageMaker
• Example Notebooks
• Amazon SageMaker documentation for Hugging Face
• Python SDK SageMaker documentation for Hugging Face
• Deep Learning Container

✨ 主な機能

• このモデルは、科学的な文章の要約に特化しています。
• Amazon SageMakerとHugging Faceのディープラーニングコンテナを使用して学習されました。

📦 インストール

このモデルを使用するには、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 pipeline
summarizer = pipeline("summarization", model="sambydlo/bart-large-tomasg25/scientific_lay_summarisation")
article = "Food production is a major driver of greenhouse gas (GHG) emissions, water and land use, and dietary risk factors are contributors to non-communicable diseases. Shifts in dietary patterns can therefore potentially provide benefits for both the environment and health. However, there is uncertainty about the magnitude of these impacts, and the dietary changes necessary to achieve them. We systematically review the evidence on changes in GHG emissions, land use, and water use, from shifting current dietary intakes to environ- mentally sustainable dietary patterns. We find 14 common sustainable dietary patterns across reviewed studies, with reductions as high as 70–80% of GHG emissions and land use, and 50% of water use (with medians of about 20–30% for these indicators across all studies) possible by adopting sustainable dietary patterns. Reductions in environmental footprints were generally proportional to the magnitude of animal-based food restriction. Dietary shifts also yielded modest benefits in all-cause mortality risk. Our review reveals that environmental and health benefits are possible by shifting current Western diets to a variety of more sustainable dietary patterns."
summarizer(article)

📚 ドキュメント

ハイパーパラメータ

{
    "cache_dir": "opt/ml/input",
    "dataset_config_name": "plos",
    "dataset_name": "tomasg25/scientific_lay_summarisation",
    "do_eval": true,
    "do_predict": true,
    "do_train": true,
    "fp16": true,
    "learning_rate": 5e-05,
    "model_name_or_path": "facebook/bart-large",
    "num_train_epochs": 1,
    "output_dir": "/opt/ml/model",
    "per_device_eval_batch_size": 4,
    "per_device_train_batch_size": 4,
    "predict_with_generate": true,
    "seed": 7
}

結果

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。