Oleksandr Bushkovskyi
ea4e7a53fa
Add language metadata, training and evaluation corpora details. Add example output. Fix inconsistent use of quotes.
39 lines
2.0 KiB
Markdown
39 lines
2.0 KiB
Markdown
---
|
|
language: ukrainian
|
|
---
|
|
|
|
Note: **default code snippet above won't work** because we are using `AlbertTokenizer` with `GPT2LMHeadModel`, see [issue](https://github.com/huggingface/transformers/issues/4285).
|
|
|
|
## GPT2 124M Trained on Ukranian Fiction
|
|
|
|
### Training details
|
|
|
|
Model was trained on corpus of 4040 fiction books, 2.77 GiB in total.
|
|
Evaluation on [brown-uk](https://github.com/brown-uk/corpus) gives perplexity of 50.16.
|
|
|
|
### Example usage:
|
|
```python
|
|
from transformers import AlbertTokenizer, GPT2LMHeadModel
|
|
|
|
tokenizer = AlbertTokenizer.from_pretrained("Tereveni-AI/gpt2-124M-uk-fiction")
|
|
model = GPT2LMHeadModel.from_pretrained("Tereveni-AI/gpt2-124M-uk-fiction")
|
|
|
|
input_ids = tokenizer.encode("Но зла Юнона, суча дочка,", add_special_tokens=False, return_tensors='pt')
|
|
|
|
outputs = model.generate(
|
|
input_ids,
|
|
do_sample=True,
|
|
num_return_sequences=3,
|
|
max_length=50
|
|
)
|
|
|
|
for i, out in enumerate(outputs):
|
|
print("{}: {}".format(i, tokenizer.decode(out)))
|
|
```
|
|
|
|
Prints something like this:
|
|
```bash
|
|
0: Но зла Юнона, суча дочка, яка затьмарила всі її таємниці: І хто з'їсть її душу, той помре». І, не дочекавшись гніву богів, посунула в пітьму, щоб не бачити перед собою. Але, за
|
|
1: Но зла Юнона, суча дочка, і довела мене до божевілля. Але він не знав нічого. Після того як я його побачив, мені стало зле. Я втратив рівновагу. Але в мене не було часу на роздуми. Я вже втратив надію
|
|
2: Но зла Юнона, суча дочка, не нарікала нам! — раптом вигукнула Юнона. — Це ти, старий йолопе! — мовила вона, не перестаючи сміятись. — Хіба ти не знаєш, що мені подобається ходити з тобою?
|
|
``` |