Bart Large Samsum

🚀 bart-large-samsum

bart-large-samsum 是一个用于文本摘要的模型，它基于 facebook/bart-large 进行微调，在 samsum 语料库上表现出色，能有效完成抽象文本摘要任务。

🚀 快速开始

推理使用

以下是使用该模型进行推理的示例代码：

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 上微调

你可以通过以下按钮在 AzureML 上进行微调：

更多关于微调过程的信息（包括示例和基准）：
[预览] https://github.com/linydub/azureml-greenai-txtsum

📚 详细文档

资源使用情况

这些结果是从 Azure Monitor Metrics 获取的。所有实验都在 AzureML 低优先级计算集群上运行。

*计算成本 ($) 是根据运行时长、使用的计算节点数量和 SKU 的每小时价格估算的。最新的 SKU 定价可在 此处 找到。

碳排放

这些结果是使用 CodeCarbon 获得的。碳排放仅根据训练运行时间估算（不包括设置和评估运行时间）。

超参数

• 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

结果

📄 许可证

本项目采用 Apache-2.0 许可证。