许可证：apache-2.0
基础模型：google/flan-t5-small
标签：

• 训练生成
• 摘要生成
• 葡萄牙语
  评估指标：
• rouge
  模型索引：
• 名称：flan-t5-base
  结果：[]
  数据集：
• recogna-nlp/recognasumm
  语言：
• pt
  库名称：transformers
  流水线标签：summarization
  示例：
• 文本：>
  摘要：在美国共和党第二次州内初选中，前总统唐纳德·特朗普再次获胜。他赢得了新罕布什尔州于1月23日周二举行的初选。此前，多项民调显示的特朗普优势已在爱荷华州的首场初选中得到印证。在该州，特朗普获得了51%的选票，领先第二名佛罗里达州州长罗恩·德桑蒂斯30个百分点。1月21日周日，德桑蒂斯宣布退出2024年总统竞选并表示支持特朗普。这一动向使得美国前驻联合国大使尼基·黑利成为特朗普在党内的唯一重要对手。
  示例标题：摘要1
• 文本：>
  摘要：什么是躯体变形障碍？这类人群认为自己丑陋并执著于改变外貌，即使他们并无明显缺陷。我们的一项研究发现，寻求面部、鼻部或腹部整形手术的患者中，50%至54%存在此症状。手术可能对轻度或中度患者有益，但重度患者不应手术而应接受心理治疗。最大难点在于让他们接受帮助——许多人更倾向寻找同意手术的医生。
  示例标题：摘要2

flan-t5-葡萄牙语小规模摘要模型

本模型旨在满足葡萄牙语在特定任务中的模型需求，在摘要任务中表现良好。由于模型规模较小，偶尔可能出现重音错误。

模型最大长度=512

• 损失值：1.6541
• Rouge1：16.3352
• Rouge2：6.2366
• RougeL：14.1335
• RougeLsum：15.2755
• 生成长度：19.0

GPU配置：RTX 3060/12GB/约3500 CUDA核心

!pip install transformers  
from transformers import pipeline  
summarization = pipeline("summarization", model="rhaymison/flan-t5-portuguese-small-summarization", tokenizer="rhaymison/flan-t5-portuguese-small-summarization")  

prompt =f"""  
摘要：什么是躯体变形障碍？这类人群认为自己丑陋并执著于改变外貌，即使他们并无明显缺陷。我们的一项研究发现，寻求面部、鼻部或腹部整形手术的患者中，50%至54%存在此症状。手术可能对轻度或中度患者有益，但重度患者不应手术而应接受心理治疗。最大难点在于让他们接受帮助——许多人更倾向寻找同意手术的医生。  
"""  
output = summarization(prompt)  

# 输出示例：  
# 躯体变形障碍特征：重度患者不应手术而应接受心理治疗。  
# 手术可能对轻度或中度患者的鼻部或腹部症状有益。  

模型描述

（待补充详细信息）

使用范围与限制

（待补充详细信息）

训练与评估数据

（待补充详细信息）

训练过程

超参数配置

• 学习率：5e-05
• 训练批大小：8
• 评估批大小：8
• 随机种子：42
• 梯度累积步数：2
• 总训练批大小：16
• 优化器：Adam（beta1=0.9, beta2=0.999, epsilon=1e-08）
• 学习率调度器类型：线性
• 训练轮次：5

训练结果

框架版本

• Transformers 4.38.2
• PyTorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2

联系方式

欢迎任何建议或问题反馈：
邮箱：rhaymisoncristian@gmail.com