Gunna

🚀 HuggingArtists Gunna模型

本模型基于HuggingArtists创建，可根据Gunna的歌词风格生成文本，为用户带来独特的歌词创作体验。

🚀 快速开始

本模型可直接用于文本生成，以下是使用示例：

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingartists/gunna')
generator("I am", num_return_sequences=5)

或者使用Transformers库：

from transformers import AutoTokenizer, AutoModelWithLMHead
  
tokenizer = AutoTokenizer.from_pretrained("huggingartists/gunna")

model = AutoModelWithLMHead.from_pretrained("huggingartists/gunna")

✨ 主要特性

• 基于Gunna的歌词数据进行训练，能够生成具有Gunna风格的歌词文本。
• 以预训练的GPT - 2模型为基础，经过微调优化。

📦 安装指南

使用前需安装必要的库：

from datasets import load_dataset

dataset = load_dataset("huggingartists/gunna")

💻 使用示例

基础用法

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingartists/gunna')
generator("I am", num_return_sequences=5)

高级用法

from transformers import AutoTokenizer, AutoModelWithLMHead
  
tokenizer = AutoTokenizer.from_pretrained("huggingartists/gunna")

model = AutoModelWithLMHead.from_pretrained("huggingartists/gunna")

📚 详细文档

若要了解模型的开发过程，请查看W&B报告。

🔧 技术细节

• 训练数据：模型在Gunna的歌词数据上进行训练，数据集可在此处获取。

from datasets import load_dataset

dataset = load_dataset("huggingartists/gunna")

可通过此链接探索数据，该数据在整个流程的每一步都通过W&B artifacts进行跟踪。

• 训练过程：模型基于预训练的GPT - 2，并在Gunna的歌词上进行微调。超参数和指标记录在W&B训练运行中，以确保完全透明和可重复性。训练结束后，最终模型会被记录并进行版本管理。

⚠️ 局限性和偏差

该模型存在与GPT - 2相同的局限性和偏差。此外，用户推文中的数据也会进一步影响模型生成的文本。

📄 关于

由Aleksey Korshuk构建

如需更多详情，请访问项目仓库。