标签:

• 摘要生成 小部件:
• 文本: "解析此包的许可证使用节点（如有），并返回许可证定义（如果存在）"

用于API推荐生成的CodeTrans模型

这是一个基于T5小型模型架构预训练的API推荐生成模型，最初发布于此代码库。

模型描述

该CodeTrans模型基于t5-small架构，拥有独立的SentencePiece词汇模型。它通过在软件开发领域的13个监督任务和7个无监督数据集上进行多任务训练而成。

使用场景与限制

本模型可用于为Java编程任务生成API使用建议。

使用方法

以下展示如何使用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_api_generation_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_small_api_generation_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "解析此包的许可证使用节点（如有），并返回许可证定义（如果存在）"
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上进行了总计50万步训练，使用512序列长度（批量大小4096）。这个约2.2亿参数的模型采用编码器-解码器架构，使用AdaFactor优化器配合平方根倒数学习率调度进行预训练。

评估结果

在代码文档生成任务中，不同模型在各编程语言上的BLEU得分表现如下：

测试结果：

由Ahmed Elnaggar | 领英和Wei Ding | 领英创建