Bart Base

🚀 BART（基礎大小模型）

BART是一個在英文語料上進行預訓練的模型。它由Lewis等人在論文BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension中提出，並首次在此代碼庫中發佈。

免責聲明：發佈BART的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊撰寫。

✨ 主要特性

• BART是一個基於Transformer架構的編碼器 - 解碼器（seq2seq）模型，擁有雙向（類似BERT）的編碼器和自迴歸（類似GPT）的解碼器。
• 通過以下方式進行預訓練：（1）使用任意噪聲函數對文本進行損壞；（2）學習一個模型來重構原始文本。
• 在針對文本生成任務（如摘要生成、翻譯）進行微調時特別有效，同時在理解任務（如文本分類、問答）中也表現出色。

🚀 快速開始

你可以使用原始模型進行文本填充。不過，該模型主要用於在有監督的數據集上進行微調。你可以查看模型中心，尋找針對你感興趣的任務進行微調後的版本。

💻 使用示例

基礎用法

以下是如何在PyTorch中使用該模型的示例：

from transformers import BartTokenizer, BartModel

tokenizer = BartTokenizer.from_pretrained('facebook/bart-base')
model = BartModel.from_pretrained('facebook/bart-base')

inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

📚 詳細文檔

BibTeX引用和引用信息

@article{DBLP:journals/corr/abs-1910-13461,
  author    = {Mike Lewis and
               Yinhan Liu and
               Naman Goyal and
               Marjan Ghazvininejad and
               Abdelrahman Mohamed and
               Omer Levy and
               Veselin Stoyanov and
               Luke Zettlemoyer},
  title     = {{BART:} Denoising Sequence-to-Sequence Pre-training for Natural Language
               Generation, Translation, and Comprehension},
  journal   = {CoRR},
  volume    = {abs/1910.13461},
  year      = {2019},
  url       = {http://arxiv.org/abs/1910.13461},
  eprinttype = {arXiv},
  eprint    = {1910.13461},
  timestamp = {Thu, 31 Oct 2019 14:02:26 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1910-13461.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

📄 許可證

本模型採用Apache-2.0許可證。