Bart Base

🚀 BART（基础大小模型）

BART是一个在英文语料上进行预训练的模型。它由Lewis等人在论文BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension中提出，并首次在此代码库中发布。

免责声明：发布BART的团队并未为此模型撰写模型卡片，此模型卡片由Hugging Face团队撰写。

✨ 主要特性

• BART是一个基于Transformer架构的编码器 - 解码器（seq2seq）模型，拥有双向（类似BERT）的编码器和自回归（类似GPT）的解码器。
• 通过以下方式进行预训练：（1）使用任意噪声函数对文本进行损坏；（2）学习一个模型来重构原始文本。
• 在针对文本生成任务（如摘要生成、翻译）进行微调时特别有效，同时在理解任务（如文本分类、问答）中也表现出色。

🚀 快速开始

你可以使用原始模型进行文本填充。不过，该模型主要用于在有监督的数据集上进行微调。你可以查看模型中心，寻找针对你感兴趣的任务进行微调后的版本。

💻 使用示例

基础用法

以下是如何在PyTorch中使用该模型的示例：

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

📚 详细文档

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}
}

📄 许可证

本模型采用Apache-2.0许可证。