Git Base Captioning Ft Hl Narratives

🚀 GIT-base針對敘事圖像字幕生成進行微調

本項目基於GIT基礎模型，在HL Narratives數據集上進行訓練，用於生成高級敘事描述。

✨ 主要特性

• 基於GIT基礎模型進行微調，專注於敘事圖像字幕生成。
• 在HL Narratives數據集上訓練，適用於生成高質量的敘事描述。

📦 安裝指南

文檔中未提及安裝步驟，暫不展示。

💻 使用示例

基礎用法

import requests
from PIL import Image
from transformers import AutoProcessor, AutoModelForCausalLM

processor = AutoProcessor.from_pretrained("git-base-captioning-ft-hl-narratives")
model = AutoModelForCausalLM.from_pretrained("git-base-captioning-ft-hl-narratives").to("cuda")

img_url = 'https://datasets-server.huggingface.co/assets/michelecafagna26/hl/--/default/train/0/image/image.jpg' 
raw_image = Image.open(requests.get(img_url, stream=True).raw).convert('RGB')

inputs = processor(raw_image, return_tensors="pt").to("cuda")
pixel_values = inputs.pixel_values

generated_ids = model.generate(pixel_values=pixel_values, max_length=50,
            do_sample=True,
            top_k=120,
            top_p=0.9,
            early_stopping=True,
            num_return_sequences=1)

processor.batch_decode(generated_ids, skip_special_tokens=True)

>>> "she is posing for a photo on the beach, she wants to post on her social media."

📚 詳細文檔

模型微調 🏋️‍

• 訓練輪數：3輪
• 學習率：5e−5
• 優化器：Adam
• 精度：半精度（fp16）

測試集指標 🧾

🔧 技術細節

文檔中未提及技術實現細節，暫不展示。

📄 許可證

本項目使用Apache-2.0許可證。

BibTex和引用信息

@inproceedings{cafagna2023hl,
  title={{HL} {D}ataset: {V}isually-grounded {D}escription of {S}cenes, {A}ctions and
{R}ationales},
  author={Cafagna, Michele and van Deemter, Kees and Gatt, Albert},
  booktitle={Proceedings of the 16th International Natural Language Generation Conference (INLG'23)},
address = {Prague, Czech Republic},
  year={2023}
}