Lsg Bart Base 4096 Wcep

🚀 ccdv/lsg - bart - base - 4096 - wcep

このモデルは、[ccdv/WCEP - 10 roberta](https://huggingface.co/datasets/ccdv/WCEP - 10)データセットで[ccdv/lsg - bart - base - 4096](https://huggingface.co/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。テストセットでは以下の結果を達成しています。

🚀 クイックスタート

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

LSG ArXivの論文があります。 Githubの変換スクリプトはこの[リンク](https://github.com/ccdv - ai/convert_checkpoint_to_lsg)から入手できます。

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline

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

✨ 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（エンコーダ6層 - デコーダ6層）を持っています。 モデルは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（エンコーダのみ）され、ファインチューニングされています。

📚 ドキュメント

テストセットでの結果

通常のブロックサイズ

小さいブロックサイズ（低リソース）

トレーニング手順

トレーニングハイパーパラメータ

トレーニング中に以下のハイパーパラメータが使用されました。

• 学習率: 8e - 05
• トレーニングバッチサイズ: 8
• シード: 42
• 勾配累積ステップ数: 4
• 総トレーニングバッチサイズ: 32
• オプティマイザ: Adam（ベータ=(0.9, 0.999)、イプシロン=1e - 08）
• 学習率スケジューラタイプ: 線形
• 学習率スケジューラウォームアップ比率: 0.1
• エポック数: 10.0

生成ハイパーパラメータ

生成中に以下のハイパーパラメータが使用されました。

• データセット名: ccdv/WCEP - 10
• データセット設定名: roberta
• 評価バッチサイズ: 8
• 評価サンプル数: 1022
• 早期終了: True
• 損失計算時にパディングトークンを無視: True
• 長さペナルティ: 2.0
• 最大長: 64
• 最小長: 0
• ビーム数: 5
• 繰り返しNGramサイズ: None
• シード: 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

🔧 技術詳細

このモデルは、長いシーケンスを効率的に処理するために、Local - Sparse - Globalアテンションを採用しています。エンコーダとデコーダの構造は、BART - baseを元にしていますが、長いシーケンスに対応できるように調整されています。トレーニングと生成の際に使用されるハイパーパラメータは、モデルの性能を最適化するために選択されています。