语言: 英文
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Amazon 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: 那我该如何开始呢？\n杰夫: 在哪里可以找到文档？\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/bart-base-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: 45.3438
      名称: ROUGE-1
      已验证: 是
      验证令牌: (略)
    • 类型: rouge
      值: 21.6953
      名称: ROUGE-2
      已验证: 是
      验证令牌: (略)
    • 类型: rouge
      值: 38.1365
      名称: ROUGE-L
      已验证: 是
      验证令牌: (略)
    • 类型: rouge
      值: 41.5913
      名称: ROUGE-LSUM
      已验证: 是
      验证令牌: (略)
    • 类型: 损失值
      值: 1.5832244157791138
      名称: 损失值
      已验证: 是
      验证令牌: (略)
    • 类型: 生成长度
      值: 17.9927
      名称: 生成长度
      已验证: 是
      验证令牌: (略)

bart-base-samsum

该模型使用Amazon SageMaker和新的Hugging Face深度学习容器进行训练。

您可以在此处找到笔记本链接和相关的博客文章链接。

更多信息请参考：

• 🤗 Transformers文档：Amazon SageMaker
• 示例笔记本
• Amazon 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",
    "是否评估": true,
    "是否训练": true,
    "FP16": true,
    "学习率": 5e-05,
    "模型名称或路径": "facebook/bart-base",
    "训练轮数": 3,
    "输出目录": "/opt/ml/model",
    "每设备评估批次大小": 8,
    "每设备训练批次大小": 8,
    "随机种子": 7
}

训练结果

评估结果

使用方法

from transformers import pipeline  
summarizer = pipeline("summarization", model="philschmid/bart-base-samsum")  

conversation = '''杰夫: 我能在Amazon 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: 那我该如何开始呢？  
杰夫: 在哪里可以找到文档？  
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                                           
'''  
nlp(conversation)