Предобученные модели для генерации текста

Глубокое обучение для работы с текстом на PyTorch

Shubham Jain

Instructor

Зачем нужны предобученные модели?

Преимущества

Обучены на обширных наборах данных
Высокая производительность в задачах генерации текста
- Анализ тональности
- Дополнение текста
- Перевод текста

Ограничения

Высокие вычислительные затраты на обучение
Большие требования к хранилищу
Ограниченные возможности настройки

Предобученные модели в PyTorch

Hugging Face Transformers: библиотека предобученных моделей
Предобученные модели:
- GPT-2
- T5

Логотип HuggingFace

Токенизатор и модель GPT-2

GPT2LMHeadModel:

Реализация GPT-2 от HuggingFace
Предназначена для генерации текста

GPT2Tokenizer:

Преобразует текст в токены
Поддерживает субсловную токенизацию: 'larger' может стать ['large', 'r']

GPT-2: реализация генерации текста

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: реализация генерации текста II

output = model.generate(

                                                           )

GPT-2: реализация генерации текста II

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

                                                           )

GPT-2: реализация генерации текста II

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

                                                           )

GPT-2: реализация генерации текста II

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

GPT-2: реализация генерации текста 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: результат генерации текста

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: реализация перевода текста

t5-small: Text-to-Text Transfer Transformer
Предобученная модель для задач перевода текста

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: результат перевода текста

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

print("Generated text:",generated_text)

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

Выбор подходящей предобученной модели

Их существует множество!

GPT-2: генерация текста
DistilGPT-2 (облегчённая версия GPT-2): генерация текста
BERT: классификация текста, ответы на вопросы
T5 (t5-small — облегчённая версия T5): перевод, реферирование

Найдите их на HuggingFace и в других репозиториях

Давайте потренируемся!

Глубокое обучение для работы с текстом на PyTorch