Code Trans T5 Large Code Documentation Generation Python Multitask

🚀 CodeTrans模型用於Python代碼文檔生成

本項目是一個基於t5-large模型架構，在Python編程語言上預訓練的模型，可用於生成Python代碼的文檔。它首次發佈於 此倉庫，在標記化的Python代碼函數上進行訓練，因此在處理標記化的Python函數時表現最佳。

🚀 快速開始

模型描述

此CodeTrans模型基於t5-large模型構建，擁有自己的SentencePiece詞彙模型。它在軟件開發領域的13個有監督任務和7個無監督數據集上進行了多任務訓練。

預期用途和限制

該模型可用於生成Python函數的描述，也可在其他Python代碼任務上進行微調。它可以處理未解析和未標記化的Python代碼，但如果代碼經過標記化處理，性能會更好。

如何使用

以下是使用Transformers的SummarizationPipeline來生成Python函數文檔的示例代碼：

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "def e ( message , exit_code = None ) : print_log ( message , YELLOW , BOLD ) if exit_code is not None : sys . exit ( exit_code )"
pipeline([tokenized_code])

你可以在 colab notebook 中運行此示例。

📦 安裝指南

暫未提供相關安裝步驟。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "def e ( message , exit_code = None ) : print_log ( message , YELLOW , BOLD ) if exit_code is not None : sys . exit ( exit_code )"
pipeline([tokenized_code])

🔧 技術細節

訓練數據

有監督訓練任務的數據集可以從 此處 下載。

訓練過程

多任務預訓練

該模型在單個TPU Pod V3 - 8上總共訓練了80,000步，使用的序列長度為512（批量大小為4096）。它總共有約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，並採用逆平方根學習率調度。

📚 詳細文檔

評估結果

對於代碼文檔任務，不同模型在不同編程語言上的評估結果（以BLEU分數表示）如下：

📄 許可證

暫未提供相關許可證信息。

本項目由 Ahmed Elnaggar | LinkedIn 和 Wei Ding | LinkedIn 創建。