Pegasus Large Summary Explain

🚀 pszemraj/pegasus-large-summary-explain

本模型是 google/pegasus-large 在 booksum 數據集上進行了總共四個輪次微調後的版本。它在自然語言處理的文本摘要任務中表現出色，能夠為用戶提供更易理解的文本摘要。

🚀 快速開始

本模型是 google/pegasus-large 在 booksum 數據集上微調了四個輪次的版本。

它在評估集上取得了以下結果：

• 評估損失（eval_loss）：1.1193
• 評估運行時間（eval_runtime）：6.6754
• 每秒評估樣本數（eval_samples_per_second）：27.714
• 每秒評估步數（eval_steps_per_second）：1.798
• 輪次（epoch）：3.0
• 步數（step）：900

可以在 pszemraj/pegasus-large-book-summary 找到一個單輪次的檢查點，第二輪訓練就是從這裡開始的。

✨ 主要特性

• SparkNotes風格摘要：經過在 booksum 數據集上的初步測試，發現該模型生成的摘要具有類似SparkNotes風格的解釋。用戶得到的不僅是更緊湊的文本，而是更簡短、更易理解的版本。從經驗來看，這種特性有利於學習和理解，因為那些只是簡單壓縮信息的摘要數據集（例如arXiv）可能過於密集，理解摘要內容所花費的時間可能與閱讀原文相當。

📚 詳細文檔

預期用途和限制

• 標準的Pegasus模型最大輸入長度為1024個標記（tokens），因此該模型在訓練時僅處理章節的前1024個標記，並嘗試據此生成章節摘要。使用此模型時請記住，長度超過1024個標記的文本序列末尾的信息可能會被排除在最終摘要之外，或者模型會更傾向於優先處理開頭的信息。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：4e - 05
• 訓練批次大小（train_batch_size）：16
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：42
• 分佈式類型（distributed_type）：多GPU
• 梯度累積步數（gradient_accumulation_steps）：2
• 總訓練批次大小（total_train_batch_size）：32
• 優化器（optimizer）：Adam，β值為(0.9, 0.999)，ε值為1e - 08
• 學習率調度器類型（lr_scheduler_type）：餘弦
• 學習率調度器預熱比例（lr_scheduler_warmup_ratio）：0.03
• 訓練輪數（num_epochs）：4

框架版本

• Transformers：4.16.2
• Pytorch：1.10.2 + cu113
• Datasets：1.18.3
• Tokenizers：0.11.0

📄 許可證

本模型採用Apache - 2.0許可證。