标签:

• 摘要生成 小组件:
• 文本: "def e ( message , exit_code = None ) : print_log ( message , YELLOW , BOLD ) if exit_code is not None : sys . exit ( exit_code )"

用于Python代码文档生成的CodeTrans模型

该模型是基于T5-large架构、针对Python编程语言进行预训练的模型，最初发布于此代码库。该模型在经过分词的Python代码函数上进行训练，对分词后的Python函数处理效果最佳。

模型描述

本CodeTrans模型基于t5-large模型构建，拥有独立的SentencePiece词汇模型。其采用多任务训练方式，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训练。

使用场景与限制

该模型可用于生成Python函数描述，或针对其他Python代码任务进行微调。支持处理未解析和未分词的Python代码，但处理分词后的代码性能更优。

使用方法

通过Transformers的SummarizationPipeline使用本模型生成Python函数文档：

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_large_code_documentation_generation_python_multitask", skip_special_tokens=True),
    device=0
)

tokenized_code = "def e ( message , exit_code = None ) : print_log ( message , YELLOW , BOLD ) if exit_code is not None : sys . exit ( exit_code )"
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从此链接下载。

训练流程

多任务预训练

模型在TPU Pod V3-8上进行了总计80,000步训练，使用512的序列长度（批大小4096）。该模型采用编码器-解码器架构，总参数量约2.2亿，使用AdaFactor优化器并采用平方根倒数学习率调度进行预训练。

评估结果

不同模型在代码文档生成任务中各编程语言的BLEU评分表现：

测试结果：

由Ahmed Elnaggar | 领英和魏丁 | 领英创建