Code Trans T5 Small Code Comment Generation Java Multitask

🚀 用于Java代码注释生成的CodeTrans模型

本模型基于t5-small架构，在Java编程语言上进行预训练。它最初发布于 此仓库。该模型在经过分词处理的Java代码函数上进行训练，因此在处理此类数据时效果最佳。

🚀 快速开始

本模型可用于生成Java函数的描述，也可在其他Java代码任务上进行微调。它可以处理未解析和未分词的Java代码，但如果代码已经过分词处理，性能会更好。

✨ 主要特性

• 基于t5-small模型架构，拥有自己的SentencePiece词汇模型。
• 使用多任务训练，涵盖软件开发领域的13个有监督任务和7个无监督数据集。

📦 安装指南

暂未提供相关安装步骤内容。

💻 使用示例

基础用法

以下是如何使用Transformers的SummarizationPipeline来生成Java函数文档的示例：

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 中运行此示例。

📚 详细文档

模型描述

此CodeTrans模型基于t5-small模型，具备自己的SentencePiece词汇模型，采用多任务训练，涉及软件开发领域的13个有监督任务和7个无监督数据集。

预期用途与限制

该模型可用于生成Java函数的描述，也能在其他Java代码任务上进行微调。它可以处理未解析和未分词的Java代码，但对分词后的Java代码处理效果更佳。

训练数据

有监督训练任务的数据集可从 此处 下载。

训练过程

多任务预训练

该模型在单个TPU Pod V3 - 8上进行训练，总共训练360,000步，使用序列长度为512（批量大小为4096）。模型总共有约2.2亿个参数，采用编码器 - 解码器架构进行训练。预训练使用的优化器是AdaFactor，并采用平方根倒数学习率调度。

评估结果

对于代码文档任务，不同模型在不同编程语言上取得了以下BLEU分数结果：

🔧 技术细节

本模型基于t5-small架构，使用SentencePiece进行词汇处理。通过多任务训练，结合软件开发领域的有监督和无监督数据集，在单个TPU Pod V3 - 8上进行了长时间的训练，以达到较好的性能。

📄 许可证

暂未提供相关许可证信息内容。

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