---

library_name: transformers language:

• ku

---

模型ID卡片

模型详情

该模型基于21位诗人的87部著作中的6116首诗歌训练而成。

模型描述

微调数据来源：

哈扎尔
海曼
皮尔梅尔德
加内
戈兰
瓦法伊
纳里
贾拉勒·马莱克沙
谢尔科·贝克斯
马胡伊
海迪
杰加尔胡恩
德尔沙德·马里瓦尼
萨比里
卡马里
卡姆兰·穆克里
阿霍尔
哈基基
苏瓦雷·伊尔汗尼扎德
纳菲·马兹哈尔

这是托管在Hub上的🤗 transformers模型卡片。本模型卡片为自动生成。

• 开发者: Shabab Koohi
• 资助方[可选]: Shabab Koohi
• 联系开发者: https://www.linkedin.com/in/shabab-koohi/
• 共享者[可选]: [需补充信息]
• 模型类型: [需补充信息]
• 支持语言(NLP): [需补充信息]
• 许可证: [需补充信息]
• 微调基础模型[可选]: mt5

模型来源[可选]

• 代码仓库: https://github.com/shkna1368/kurdana/
• 论文[可选]: [需补充信息]
• 演示[可选]: [需补充信息]

用途

直接使用

下游任务使用[可选]

[需补充信息]

非适用范围

[需补充信息]

偏差、风险与局限性

[需补充信息]

使用建议

用户（包括直接使用者和下游使用者）应充分了解该模型的风险、偏差和局限性。需补充更多信息以提供进一步建议。

快速开始

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("shkna1368/v1-Kurdana")

model = AutoModelForSeq2SeqLM.from_pretrained("shkna1368/v1-Kurdana")

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

output_ids = model.generate(input_ids, max_length=1200, num_beams=200, early_stopping=False)

answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)

训练详情

训练数据

[需补充信息]

训练流程

预处理[可选]

[需补充信息]

训练超参数

• 训练方案: [需补充信息]

速度、规模与耗时[可选]

[需补充信息]

评估

测试数据、因素与指标

测试数据

[需补充信息]

评估维度

[需补充信息]

评估指标

[需补充信息]

评估结果

[需补充信息]

总结

模型检验[可选]

[需补充信息]

环境影响

碳排放量可通过Lacoste等人(2019)提出的机器学习影响计算器进行估算。

• 硬件类型: [需补充信息]
• 使用时长: [需补充信息]
• 云服务商: [需补充信息]
• 计算区域: [需补充信息]
• 碳排放量: [需补充信息]

技术规范[可选]

模型架构与目标

[需补充信息]

计算基础设施

[需补充信息]

硬件

[需补充信息]

软件

[需补充信息]

引用[可选]

BibTeX格式:

[需补充信息]

APA格式:

[需补充信息]

术语表[可选]

[需补充信息]

更多信息[可选]

[需补充信息]

模型卡片作者[可选]

[需补充信息]

模型卡片联系人

[需补充信息]