Opt 350m Email Generation

🚀 opt for email generation - 350M

メールでの時間の浪費を減らしたいという方に。このトピックに関するさらなる情報はこのHugging Face組織のページで見ることができます。

メールを生成できるのに、残りの部分を手で書く必要はありません。

from transformers import pipeline

model_tag = "pszemraj/opt-350m-email-generation"
generator = pipeline(
              'text-generation', 
              model=model_tag, 
              use_fast=False,
              do_sample=False,
              early_stopping=True,
            )
            
prompt = """
Hello, 

Following up on the bubblegum shipment."""

generator(
    prompt,
    max_length=64,
) # generate

• Colab上のノートブックへのリンク

💡 使用アドバイス

このモデルでは、書式が重要です。上記の構造と prompt = "Hey, just wanted to ..." などの構造では、結果が（大幅に）異なる場合があります。

🚀 クイックスタート

このモデルを使ってメールを生成するには、上記のコード例のように transformers ライブラリの pipeline を使用します。以下の手順で操作できます。

1. 必要なライブラリをインポートします。
2. モデルタグを指定して pipeline オブジェクトを作成します。
3. 生成したいメールのプロンプトを設定します。
4. generator 関数を使ってメールを生成します。

✨ 主な機能

• このモデルは、facebook/opt-350m を aeslc データセットで6エポックファインチューニングしたものです。
• Pythonの clean-text を使用して、データセットの準備段階でメールアドレスや電話番号などを除外しようとしています。
• APIは64トークンの生成に制限されていますが、text-generation の pipeline オブジェクトを使用することで、より長いメールを生成できます。

📚 ドキュメント

モデルの説明

• このモデルは、facebook/opt-350m を aeslc データセットで6エポックファインチューニングしたバージョンです。
• Pythonの clean-text を使用して、データセットの準備段階でメールアドレスや電話番号などを除外しようとしています。
• APIは64トークンの生成に制限されていますが、text-generation の pipeline オブジェクトを使用することで、より長いメールを生成できます。

想定される用途と制限

• Facebook/Metaは、このモデルに独自のライセンスを設定しており、いくつかの事項を指定しています。詳細は facebook/opt-350m を参照してください。

学習と評価データ

• aeslc データセットのトレインとバリデーションの email_body フィールドを使用しています。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

フレームワークのバージョン

• Transformers 4.19.2
• Pytorch 1.11.0+cu113
• Tokenizers 0.12.1

📄 ライセンス

このモデルには独自のライセンスが適用されています。詳細は facebook/opt-350m を参照してください。