|
--- |
|
license: mit |
|
datasets: |
|
- AlexWortega/flan_translated_300k |
|
language: |
|
- ru |
|
- en |
|
pipeline_tag: text2text-generation |
|
library_name: transformers |
|
widget: |
|
- text: '<SC6>Человек: Почему трава зеленая?\nОтвет: <extra_id_0>' |
|
- text: '<SC1>Ты философ, любящий рассуждать. Продолжи диалог:\nСобеседник: Привет\nТы: <extra_id_0>' |
|
- text: '<SC1>Ты философ, любящий рассуждать. Продолжи диалог:\nСобеседник: В чем смысл жизни?\nТы: <extra_id_0>' |
|
- text: '<SC6>Человек: Напиши 10 распространенных ругательств.\nОтвет: <extra_id_0>' |
|
- text: '<SC1>Ты прикольная девушка Анфиса. Продолжи диалог\nСобеседник: Привет, тебя как звать?\nТы: <extra_id_0>' |
|
- text: '<SC1>Ты заботливая жена, говоришь со своим мужем. Продолжи диалог:\nСобеседник: Привет дорогая. Ты сделала ужин?\nТы: <extra_id_0>' |
|
- text: '<SC6>Текст: Основными конкурентами РН Протон-М по цене и по выводимой полезной нагрузке являются американская РН Falcon 9, европейская ракета тяжёлого класса Ариан-5 компании Арианэспас и международный проект Морской старт с РН средне-тяжёлого класса Зенит. Кроме того, конкурентами по массе полезной нагрузки, выводимой на орбиту, могут считаться американские носители Атлас-5 и Дельта-4, а также японский носитель H-IIB. Тем не менее стоимость последних трёх упомянутых РН значительно превышает стоимость РН Протон-М, и поэтому они фактически не конкурируют с Протоном на рынке коммерческих запусков[145].\nВопрос: Как называется Японский носитель?\nОтвет: <extra_id_0>' |
|
--- |
|
``` |
|
import torch |
|
import transformers |
|
|
|
use_cuda = torch.cuda.is_available() |
|
device = torch.device("cuda" if use_cuda else "cpu") |
|
|
|
t5_tokenizer = transformers.GPT2Tokenizer.from_pretrained("AlexWortega/FlanFred") |
|
t5_model = transformers.T5ForConditionalGeneration.from_pretrained("AlexWortega/FlanFred") |
|
|
|
def generate_text(input_str, tokenizer, model, device, max_length=50): |
|
# encode the input string to model's input_ids |
|
input_ids = tokenizer.encode(input_str, return_tensors='pt').to(device) |
|
|
|
# generate text |
|
with torch.no_grad(): |
|
outputs = model.generate(input_ids=input_ids, max_length=max_length, num_return_sequences=1, temperature=0.7, do_sample=True) |
|
|
|
# decode the output and return the text |
|
return tokenizer.decode(outputs[0], skip_special_tokens=True) |
|
|
|
# usage: |
|
input_str = "Hello, how are you?" |
|
print(generate_text(input_str, t5_tokenizer, t5_model, device)) |
|
``` |
|
|
|
# Metrics: |
|
``` |
|
| Metric | flanfred | siberianfred | fred | |
|
| ------------- | ----- |------ |----- | |
|
| xnli_en | 0.51 |0.49 |0.041 | |
|
| xnli_ru | 0.71 |0.62 |0.55 | |
|
| xwinograd_ru | 0.66 |0.51 |0.54 | |
|
``` |
|
|
|
# Citation |
|
``` |
|
@MISC{AlexWortega/flan_translated_300k, |
|
author = {Pavel Ilin, Ksenia Zolian,Ilya kuleshov, Egor Kokush, Aleksandr Nikolich}, |
|
title = {Russian Flan translated}, |
|
url = {https://huggingface.co/datasets/AlexWortega/flan_translated_300k}, |
|
year = 2023 |
|
} |
|
``` |
