V1 Kurdana

🚀 模型卡片

本模型是一個🤗 transformers 模型，已發佈在模型中心。此模型卡片由系統自動生成。該模型基於來自21位詩人的87本書中的6116首詩歌進行訓練。

📚 模型詳情

模型描述

此模型使用了來自21位詩人的87本書中的6116首詩歌進行訓練。

微調數據

• 哈扎爾
• 赫曼
• 皮爾默爾德
• 甘恩
• 戈蘭
• 瓦法伊
• 納利
• 賈拉爾·梅勒卡沙
• 舍爾科·貝克斯
• 馬胡伊
• 赫迪
• 賈格哈文
• 德爾沙德·馬裡瓦尼
• 薩貝里
• 卡邁勒
• 卡默蘭·莫克里
• 阿霍爾
• 哈基基
• 斯瓦爾·伊爾哈尼扎德
• 納菲·梅澤赫爾

模型信息

• 開發者：Shabab Koohi
• 資助方（可選）：Shabab Koohi
• 聯繫開發者：https://www.linkedin.com/in/shabab-koohi/
• 共享者（可選）：[需要更多信息]
• 模型類型：[需要更多信息]
• 語言（NLP）：[需要更多信息]
• 許可證：[需要更多信息]
• 微調基礎模型（可選）：mt5

模型資源（可選）

• 倉庫：https://github.com/shkna1368/kurdana/
• 論文（可選）：[需要更多信息]
• 演示（可選）：[需要更多信息]

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("shkna1368/v1-Kurdana")
model = AutoModelForSeq2SeqLM.from_pretrained("shkna1368/v1-Kurdana")

input_ids =  tokenizer.encode(question, return_tensors="pt")
output_ids = model.generate(input_ids, max_length=1200, num_beams=200, early_stopping=False)
answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)

🔧 訓練詳情

訓練數據

[需要更多信息]

訓練過程

預處理（可選）

[需要更多信息]

訓練超參數

• 訓練機制：[需要更多信息]

速度、大小、時間（可選）

[需要更多信息]

📊 評估

測試數據、因素和指標

測試數據

[需要更多信息]

因素

[需要更多信息]

指標

[需要更多信息]

結果

[需要更多信息]

總結

🌱 模型檢查（可選）

[需要更多信息]

🌍 環境影響

可以使用Lacoste 等人（2019）提出的機器學習影響計算器來估算碳排放。

• 硬件類型：[需要更多信息]
• 使用時長：[需要更多信息]
• 雲服務提供商：[需要更多信息]
• 計算區域：[需要更多信息]
• 碳排放：[需要更多信息]

📋 技術規格（可選）

模型架構和目標

[需要更多信息]

計算基礎設施

硬件

[需要更多信息]

軟件

[需要更多信息]

📖 引用（可選）

BibTeX： [需要更多信息]

APA： [需要更多信息]

📚 術語表（可選）

[需要更多信息]

ℹ️ 更多信息（可選）

[需要更多信息]

📝 模型卡片作者（可選）

[需要更多信息]

📞 模型卡片聯繫方式

[需要更多信息]