模型:

ccdv/lsg-bart-base-16384-mediasum

任务:

摘要生成

类库:

PyTorch Transformers

数据集:

ccdv/mediasum 3Accdv/mediasum

语言:

其他:

bart 文生文 custom_code AutoTrain Compatible

预印本库:

arxiv:2210.15497

模型介绍文件清单

英文

Transformers >= 4.23.1 该模型依赖于自定义建模文件，您需要添加trust_remote_code=True 请参见 #13467

LSG ArXiv paper . Github/conversion 脚本可在此处找到： link

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, pipeline

tokenizer = AutoTokenizer.from_pretrained("ccdv/lsg-bart-base-16384-mediasum", trust_remote_code=True)
model = AutoModelForSeq2SeqLM.from_pretrained("ccdv/lsg-bart-base-16384-mediasum", trust_remote_code=True)

text = "Replace by what you want."
pipe = pipeline("text2text-generation", model=model, tokenizer=tokenizer, device=0)
generated_text = pipe(
  text, 
  truncation=True, 
  max_length=64, 
  no_repeat_ngram_size=7,
  num_beams=2,
  early_stopping=True
  )

ccdv/lsg-bart-base-16384-mediasum

该模型是在 ccdv/lsg-bart-base-4096-mediasum 上进行微调的版本，使用了 ccdv/mediasum roberta_prepended mediasum 数据集。该模型经过转换以处理长度为16384的序列，并在1个epoch期间进行了微调。它在测试集上取得了以下结果：

Length	Global tokens	Fine-tuning	Block Size	Connexions	R1	R2	RL	RLsum
16384	64	Full	256	768	35.31	18.35	31.81	32.47
16384	1	Full	256	768	35.21	18.20	31.73	32.37
16384	64	Global only	256	768	35.22	18.08	31.54	32.21
16384	1	None	256	768	35.17	18.13	31.54	32.20

参考模型：

Length	Global tokens	Fine-tuning	Block Size	Sparsity	Connexions	R1	R2	RL	RLsum
4096	1	-	256	0	768	35.16	18.13	31.54	32.20

模型描述

该模型使用了局部稀疏全局注意力机制来处理长序列：

该模型约有约145 million参数（6个编码器层 - 6个解码器层）。该模型从 ccdv/lsg-bart-base-4096-mediasum 开始热启动，转换为处理长序列（仅编码器），然后进行微调。

意图和限制

需要更多信息

训练和评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 8e-05
train_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 32
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 1.0

生成超参数

生成过程中使用了以下超参数：

dataset_name: ccdv/mediasum
dataset_config_name: roberta_prepended
eval_batch_size: 8
eval_samples: 10000
early_stopping: True
ignore_pad_token_for_loss: True
length_penalty: 2.0
max_length: 128
min_length: 3
num_beams: 5
no_repeat_ngram_size: None
seed: 123

框架版本

Transformers 4.18.0
Pytorch 1.10.1+cu102
Datasets 2.1.0
Tokenizers 0.11.6

作者:

ccdv

数据集大小:

626.88 MB