Mt5 Small Amharic Text Summaization

🚀 mt5-small阿姆哈拉语文本摘要模型

本模型是基于Transformer架构的文本摘要模型，在阿姆哈拉语新闻文章和标题数据上微调，能有效生成高质量的文本摘要。

🚀 快速开始

本模型是 google/mt5-small 在特定数据集上的微调版本。在评估集上取得了以下结果：

• 评估损失（eval_loss）：1.9166
• 评估ROUGE-1得分（eval_rouge1）：17.2202
• 评估ROUGE-2得分（eval_rouge2）：9.6515
• 评估ROUGE-L得分（eval_rougeL）：16.8757
• 评估ROUGE-Lsum得分（eval_rougeLsum）：16.8802
• 评估运行时间（eval_runtime）：189.6659
• 每秒评估样本数（eval_samples_per_second）：14.178
• 每秒评估步数（eval_steps_per_second）：1.777
• 训练轮数（epoch）：10.0
• 训练步数（step）：13450

✨ 主要特性

• 微调模型：基于 google/mt5-small 微调，继承了预训练模型的强大语言理解能力。
• 特定领域训练：在新闻文章和标题数据上进行训练，适用于新闻文本的摘要任务。

🔧 技术细节

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：5.6e-05
• 训练批次大小（train_batch_size）：8
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e-08
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：12

框架版本

• Transformers：4.35.2
• Pytorch：2.1.0+cu121
• Datasets：2.16.1
• Tokenizers：0.15.0

📄 许可证

本模型采用 Apache-2.0 许可证。