Попередньо навчені моделі для генерування тексту

Глибоке навчання для тексту з PyTorch

Shubham Jain

Instructor

Чому попередньо навчені моделі?

Переваги

Навчені на великих наборах даних
Висока якість у різних завданнях генерування тексту
- Аналіз тональності
- Доповнення тексту
- Переклад мов

Обмеження

Висока обчислювальна вартість навчання
Великі вимоги до сховища
Обмежені можливості налаштування

Попередньо навчені моделі в PyTorch

Hugging Face Transformers: бібліотека попередньо навчених моделей
Попередньо навчені моделі:
- GPT-2
- T5

Логотип HuggingFace

Розуміння токенайзера та моделі GPT-2

GPT2LMHeadModel:

Реалізація GPT-2 від HuggingFace
Оптимізована для генерування тексту

GPT2Tokenizer:

Перетворює текст на токени
Працює з підсловами: 'larger' може стати ['large', 'r']

GPT-2: реалізація генерування тексту

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: реалізація генерування тексту II

output = model.generate(

                                                           )

GPT-2: реалізація генерування тексту II

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

                                                           )

GPT-2: реалізація генерування тексту II

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

                                                           )

GPT-2: реалізація генерування тексту II

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

GPT-2: реалізація генерування тексту 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 генерування тексту

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: реалізація перекладу мов

t5-small: Text-to-Text Transfer Transformer
Попередньо навчена модель для перекладу мов

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 перекладу мов

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

print("Generated text:",generated_text)

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

Вибір відповідної попередньо навченої моделі

Є багато варіантів!

GPT-2: Генерування тексту
DistilGPT-2 (менша версія GPT-2): Генерування тексту
BERT: Класифікація тексту, відповіді на запитання
T5 (t5-small — менша версія T5): Переклад, стискання тексту

Шукайте їх у HuggingFace та інших репозиторіях

Давайте потренуємось!

Глибоке навчання для тексту з PyTorch