Bart Large Samsum

🚀 bart-large-samsum

bart-large-samsum 是一個用於文本摘要的模型，它基於 facebook/bart-large 進行微調，在 samsum 語料庫上表現出色，能有效完成抽象文本摘要任務。

🚀 快速開始

推理使用

以下是使用該模型進行推理的示例代碼：

from transformers import pipeline
summarizer = pipeline("summarization", model="linydub/bart-large-samsum")

input_text = '''
    Henry: Hey, is Nate coming over to watch the movie tonight?
    Kevin: Yea, he said he'll be arriving a bit later at around 7 since he gets off of work at 6. Have you taken out the garbage yet?
    Henry: Oh I forgot. I'll do that once I'm finished with my assignment for my math class.
    Kevin: Yea, you should take it out as soon as possible. And also, Nate is bringing his girlfriend.
    Henry: Nice, I'm really looking forward to seeing them again.
'''
summarizer(input_text)

在 AzureML 上微調

你可以通過以下按鈕在 AzureML 上進行微調：

更多關於微調過程的信息（包括示例和基準）：
[預覽] https://github.com/linydub/azureml-greenai-txtsum

📚 詳細文檔

資源使用情況

這些結果是從 Azure Monitor Metrics 獲取的。所有實驗都在 AzureML 低優先級計算集群上運行。

*計算成本 ($) 是根據運行時長、使用的計算節點數量和 SKU 的每小時價格估算的。最新的 SKU 定價可在 此處 找到。

碳排放

這些結果是使用 CodeCarbon 獲得的。碳排放僅根據訓練運行時間估算（不包括設置和評估運行時間）。

超參數

• max_source_length: 512
• max_target_length: 90
• fp16: True
• seed: 1
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• gradient_accumulation_steps: 1
• learning_rate: 5e-5
• num_train_epochs: 3.0
• weight_decay: 0.1

結果

📄 許可證

本項目採用 Apache-2.0 許可證。