标签:

• 摘要生成 小组件:
• 文本: "protected String renderUri ( URI uri ) { return uri . toASCIIString ( ) ; }"

用于Java代码注释生成的CodeTrans模型

该模型基于T5-small架构，针对Java编程语言进行预训练。首次发布于此代码库。本模型在分词后的Java代码函数上进行训练：对经过分词的Java函数处理效果最佳。

模型描述

此CodeTrans模型基于t5-small模型，拥有独立的SentencePiece词汇模型。采用多任务训练方式，涵盖软件开发领域的13个监督任务和7个无监督数据集。

使用场景与限制

该模型可用于生成Java函数描述，或针对其他Java代码任务进行微调。支持处理未解析和未分词的Java代码，但经过分词的代码性能表现更优。

使用方法

通过Transformers的SummarizationPipeline生成Java函数文档：

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_small_code_comment_generation_java_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_small_code_comment_generation_java_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "protected String renderUri ( URI uri ) { return uri . toASCIIString ( ) ; }"
pipeline([tokenized_code])

可在Colab笔记本中运行此示例。

训练数据

监督训练任务数据集可通过此链接下载。

训练流程

多任务预训练

模型在TPU Pod V3-8上完成总计360,000步训练，采用512序列长度（批次大小4096）。包含约2.2亿参数，使用编码器-解码器架构。优化器采用AdaFactor配合逆平方根学习率调度进行预训练。

评估结果

各模型在不同编程语言的代码文档生成任务中的BLEU得分表现：

测试结果：

由Ahmed Elnaggar | LinkedIn与Wei Ding | LinkedIn共同创建