Hebrew Gpt Neo Xl Poetry

🚀 希伯来语GPT Neo XL诗歌生成模型

这是一个希伯来语诗歌文本生成模型，它基于 hebrew - gpt_neo - xl 进行了微调。该模型能够生成富有创意的希伯来语诗歌文本，为希伯来语诗歌创作提供了新的可能。

🚀 快速开始

你可以通过以下方式快速使用本模型：

• Google Colab Notebook：点击 此处 即可使用。

✨ 主要特性

• 基于强大基础模型：在 hebrew-gpt_neo-xl 基础上微调，继承了其强大的语言理解和生成能力。
• 丰富数据集训练：使用多种希伯来语书籍、杂志和诗歌语料库进行训练，生成的诗歌更具多样性和专业性。

📦 安装指南

在使用模型前，你需要安装必要的依赖库，可使用以下命令进行安装：

!pip install tokenizers==0.10.3 transformers==4.8.0

💻 使用示例

基础用法

!pip install tokenizers==0.10.3 transformers==4.8.0

from transformers import AutoTokenizer, AutoModelForCausalLM
  
tokenizer = AutoTokenizer.from_pretrained("Norod78/hebrew-gpt_neo-xl-poetry")
model = AutoModelForCausalLM.from_pretrained("Norod78/hebrew-gpt_neo-xl-poetry", pad_token_id=tokenizer.eos_token_id)

prompt_text = "אני אוהב שוקולד ועוגות"
max_len = 512
sample_output_num = 3
seed = 1000

import numpy as np
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
n_gpu = 0 if torch.cuda.is_available()==False else torch.cuda.device_count()

print(f"device: {device}, n_gpu: {n_gpu}")

np.random.seed(seed)
torch.manual_seed(seed)
if n_gpu > 0:
    torch.cuda.manual_seed_all(seed)

model.to(device)

encoded_prompt = tokenizer.encode(
    prompt_text, add_special_tokens=False, return_tensors="pt")

encoded_prompt = encoded_prompt.to(device)

if encoded_prompt.size()[-1] == 0:
        input_ids = None
else:
        input_ids = encoded_prompt

print("input_ids = " + str(input_ids))

if input_ids != None:
  max_len += len(encoded_prompt[0])
  if max_len > 2048:
    max_len = 2048

print("Updated max_len = " + str(max_len))

stop_token = "<|endoftext|>"
new_lines = "\n\n\n"

sample_outputs = model.generate(
    input_ids,
    do_sample=True, 
    max_length=max_len, 
    top_k=50, 
    top_p=0.95, 
    num_return_sequences=sample_output_num
)

print(100 * '-' + "\n\t\tOutput\n" + 100 * '-')
for i, sample_output in enumerate(sample_outputs):

  text = tokenizer.decode(sample_output, skip_special_tokens=True)
  
  # Remove all text after the stop token
  text = text[: text.find(stop_token) if stop_token else None]

  # Remove all text after 3 newlines
  text = text[: text.find(new_lines) if new_lines else None]

  print("\n{}: {}".format(i, text))
  print("\n" + 100 * '-')

📚 详细文档

数据集

本模型使用了多种希伯来语书籍、杂志和诗歌语料库进行训练，这些丰富的数据集为模型提供了多样化的语言模式和知识。

训练配置

训练配置与 此配置 类似。

📄 许可证

本项目采用 MIT 许可证。