Metin üretimi için önceden eğitilmiş modeller

PyTorch ile Metin için Deep Learning

Shubham Jain

Instructor

Neden önceden eğitilmiş modeller?

Yararlar

Geniş veri kümeleriyle eğitilmiştir
Çeşitli metin üretim görevlerinde yüksek performans
- Duygu analizi
- Metin tamamlama
- Dil çevirisi

Sınırlamalar

Eğitim için yüksek hesaplama maliyeti
Büyük depolama gereksinimi
Sınırlı özelleştirme seçenekleri

PyTorch'ta önceden eğitilmiş modeller

Hugging Face Transformers: önceden eğitilmiş modeller kütüphanesi
Önceden eğitilmiş modeller:
- GPT-2
- T5

HuggingFace Logosu

GPT-2 Tokenizer ve Modeli: Anlama

GPT2LMHeadModel:

HuggingFace'in GPT-2 yorumu
Metin üretimine yönelik

GPT2Tokenizer:

Metni token'lara dönüştürür
Alt sözcük parçalama yapar: 'larger' → ['large', 'r']

GPT-2: metin üretimi uygulaması

import torch
from transformers import GPT2Tokenizer, GPT2LMHeadModel

tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
model = GPT2LMHeadModel.from_pretrained('gpt2')

seed_text = "Once upon a time"

input_ids = tokenizer.encode(seed_text, return_tensors='pt')

GPT-2: metin üretimi uygulaması II

output = model.generate(

                                                           )

GPT-2: metin üretimi uygulaması II

output = model.generate(input_ids, max_length=40, 

                                                           )

GPT-2: metin üretimi uygulaması II

output = model.generate(input_ids, max_length=40, temperature=0.7,     

                                                           )

GPT-2: metin üretimi uygulaması II

output = model.generate(input_ids, max_length=40, temperature=0.7,     
                        no_repeat_ngram_size=2, 
                                                           )

GPT-2: metin üretimi uygulaması II

output = model.generate(input_ids, max_length=40, temperature=0.7,     
                        no_repeat_ngram_size=2, 
                        pad_token_id=tokenizer.eos_token_id)

GPT-2: metin üretimi çıktısı

generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(generated_text)

Generated Text: Once upon a time, the world was a place of great beauty
and great danger. The world of the gods was the place where the great gods were 
born, and where they were to live.

T5: Dil çevirisi uygulaması

t5-small: Text-to-Text Transfer Transformer
Dil çevirisi görevleri için önceden eğitilmiş model

import torch
from transformers import T5Tokenizer, T5ForConditionalGeneration

tokenizer = T5Tokenizer.from_pretrained("t5-small")
model = T5ForConditionalGeneration.from_pretrained("t5-small")

input_prompt = "translate English to French: 'Hello, how are you?'"

input_ids = tokenizer.encode(input_prompt, return_tensors="pt")

output = model.generate(input_ids, max_length=100)

T5: Dil çevirisi çıktısı

generated_text = tokenizer.decode(output[0], skip_special_tokens=True)

print("Generated text:",generated_text)

Generated text:
"Bonjour, comment êtes-vous?"

Doğru önceden eğitilmiş modeli seçme

Birçok model var!

GPT-2: Metin üretimi
DistilGPT-2 (GPT-2'nin küçüğü): Metin üretimi
BERT: Metin sınıflandırma, soru-cevap
T5 (t5-small, T5'in küçüğü): Dil çevirisi, özetleme

HuggingFace ve diğer depolarda bulabilirsiniz

Hadi pratik yapalım!

PyTorch ile Metin için Deep Learning