语言: 英语
许可证: Apache-2.0
标签:

• sagemaker
• bart
• 文本摘要
  数据集:
• samsum
  示例输入:
• 文本: "杰夫：我能在亚马逊SageMaker上训练一个🤗 Transformers模型吗？\n菲利普：当然可以，你可以使用新的Hugging Face深度学习容器。\n杰夫：好的。\n杰夫：那我该怎么开始呢？\n杰夫：在哪里能找到文档？\n菲利普：好的，好的，你可以在这里找到所有内容。https://huggingface.co/blog/the-partnership-amazon-sagemaker-and-hugging-face"

模型索引:

• 名称: philschmid/distilbart-cnn-12-6-samsum
  结果:
  • 任务:
    类型: 文本摘要
    名称: 文本摘要
    数据集:
    名称: samsum
    类型: samsum
    配置: samsum
    拆分: 测试集
    指标:
    • 类型: rouge
      值: 41.0895
      名称: ROUGE-1
      已验证: 是
      验证令牌: [略]
    • 类型: rouge
      值: 20.7459
      名称: ROUGE-2
      已验证: 是
      验证令牌: [略]
    • 类型: rouge
      值: 31.5952
      名称: ROUGE-L
      已验证: 是
      验证令牌: [略]
    • 类型: rouge
      值: 38.3389
      名称: ROUGE-LSUM
      已验证: 是
      验证令牌: [略]
    • 类型: 损失值
      值: 1.4566
      名称: 损失
      已验证: 是
      验证令牌: [略]
    • 类型: 生成长度
      值: 59.6032
      名称: 生成长度
      已验证: 是
      验证令牌: [略]

（后续其他数据集和指标的翻译遵循相同模式，此处省略以保持简洁）

distilbart-cnn-12-6-samsum模型

本模型使用亚马逊SageMaker及新版Hugging Face深度学习容器训练。

更多信息请参考：

• 🤗 Transformers文档：亚马逊SageMaker
• 示例笔记本
• 亚马逊SageMaker的Hugging Face文档
• Python SDK SageMaker的Hugging Face文档
• 深度学习容器

超参数

{
    "数据集名称": "samsum",
    "执行评估": true,
    "执行训练": true,
    "FP16加速": true,
    "学习率": 5e-05,
    "模型路径": "sshleifer/distilbart-cnn-12-6",
    "训练轮次": 3,
    "输出目录": "/opt/ml/model",
    "每设备评估批大小": 8,
    "每设备训练批大小": 8,
    "随机种子": 7
}

训练结果

（其余训练和评估指标的翻译遵循相同表格格式，此处省略）

使用示例

from transformers import pipeline
summarizer = pipeline("summarization", model="philschmid/distilbart-cnn-12-6-samsum")

对话样例 = '''杰夫：我能在亚马逊SageMaker上训练一个🤗 Transformers模型吗？
菲利普：当然可以，你可以使用新的Hugging Face深度学习容器。
杰夫：好的。
杰夫：那我该怎么开始呢？
杰夫：在哪里能找到文档？
菲利普：好的，好的，你可以在这里找到所有内容。https://huggingface.co/blog/the-partnership-amazon-sagemaker-and-hugging-face                                           
'''
summarizer(对话样例)