100 Gecs

🚀 HuggingArtists 100 gecs 模型

这是一个基于 HuggingArtists 框架训练的模型，以 100 gecs 的歌词为数据，可用于生成类似风格的文本内容，为音乐创作等场景提供了新的思路和可能性。

🚀 快速开始

你可以使用以下两种方式使用这个模型：

使用文本生成管道

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingartists/100-gecs')
generator("I am", num_return_sequences=5)

使用 Transformers 库

from transformers import AutoTokenizer, AutoModelWithLMHead
  
tokenizer = AutoTokenizer.from_pretrained("huggingartists/100-gecs")

model = AutoModelWithLMHead.from_pretrained("huggingartists/100-gecs")

✨ 主要特性

• 基于 HuggingArtists 框架构建，可轻松创建基于特定艺术家歌词的文本生成模型。
• 以 100 gecs 的歌词为训练数据，能生成具有该艺术家风格的文本。

📦 安装指南

使用前需安装相关依赖库，可使用以下命令安装：

pip install transformers datasets

📚 详细文档

模型工作原理

要了解该模型的开发过程，请查看 W&B 报告。

训练数据

该模型使用 100 gecs 的歌词进行训练。 数据集可在 这里 获取，可使用以下代码加载：

from datasets import load_dataset

dataset = load_dataset("huggingartists/100-gecs")

你可以 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

该模型基于预训练的 GPT - 2 模型，并在 100 gecs 的歌词上进行微调。 为保证完全透明和可重复性，超参数和指标记录在 W&B 训练运行 中。 训练结束后，最终模型 会被记录并进行版本管理。

🔧 技术细节

此模型基于预训练的 GPT - 2 模型，通过在 100 gecs 的歌词数据上进行微调，使其能够学习到该艺术家歌词的语言模式和风格特点。在训练过程中，使用了 W&B 工具对超参数和指标进行记录和跟踪，以确保训练的可重复性和透明度。

⚠️ 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，用户输入的文本数据会进一步影响模型生成的文本内容。

📄 关于

由 Aleksey Korshuk 构建

更多详细信息，请访问项目仓库。