Code Trans T5 Small Code Comment Generation Java Multitask

🚀 用於Java代碼註釋生成的CodeTrans模型

本模型基於t5-small架構，在Java編程語言上進行預訓練。它最初發佈於 此倉庫。該模型在經過分詞處理的Java代碼函數上進行訓練，因此在處理此類數據時效果最佳。

🚀 快速開始

本模型可用於生成Java函數的描述，也可在其他Java代碼任務上進行微調。它可以處理未解析和未分詞的Java代碼，但如果代碼已經過分詞處理，性能會更好。

✨ 主要特性

• 基於t5-small模型架構，擁有自己的SentencePiece詞彙模型。
• 使用多任務訓練，涵蓋軟件開發領域的13個有監督任務和7個無監督數據集。

📦 安裝指南

暫未提供相關安裝步驟內容。

💻 使用示例

基礎用法

以下是如何使用Transformers的SummarizationPipeline來生成Java函數文檔的示例：

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_small_code_comment_generation_java_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_small_code_comment_generation_java_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "protected String renderUri ( URI uri ) { return uri . toASCIIString ( ) ; }"
pipeline([tokenized_code])

你可以在 colab notebook 中運行此示例。

📚 詳細文檔

模型描述

此CodeTrans模型基於t5-small模型，具備自己的SentencePiece詞彙模型，採用多任務訓練，涉及軟件開發領域的13個有監督任務和7個無監督數據集。

預期用途與限制

該模型可用於生成Java函數的描述，也能在其他Java代碼任務上進行微調。它可以處理未解析和未分詞的Java代碼，但對分詞後的Java代碼處理效果更佳。

訓練數據

有監督訓練任務的數據集可從 此處 下載。

訓練過程

多任務預訓練

該模型在單個TPU Pod V3 - 8上進行訓練，總共訓練360,000步，使用序列長度為512（批量大小為4096）。模型總共有約2.2億個參數，採用編碼器 - 解碼器架構進行訓練。預訓練使用的優化器是AdaFactor，並採用平方根倒數學習率調度。

評估結果

對於代碼文檔任務，不同模型在不同編程語言上取得了以下BLEU分數結果：

🔧 技術細節

本模型基於t5-small架構，使用SentencePiece進行詞彙處理。通過多任務訓練，結合軟件開發領域的有監督和無監督數據集，在單個TPU Pod V3 - 8上進行了長時間的訓練，以達到較好的性能。

📄 許可證

暫未提供相關許可證信息內容。

本模型由 Ahmed Elnaggar | LinkedIn 和 Wei Ding | LinkedIn 創建。