language: zh datasets:

• huggingartists/100-gecs tags:
• huggingartists
• lyrics
• lm-head
• causal-lm widget:
• text: "我是"

我是由huggingartists创造的。

通过演示，基于你最喜欢的艺术家创建你自己的机器人吧！

它是如何工作的？

要了解模型的开发过程，请查看W&B报告。

训练数据

该模型是基于100 gecs的歌词进行训练的。

数据集可在这里获取，并可通过以下方式使用：

from datasets import load_dataset

dataset = load_dataset("huggingartists/100-gecs")

探索数据，该数据在流程的每一步都通过W&B artifacts进行跟踪。

训练过程

该模型基于预训练的GPT-2，并在100 gecs的歌词上进行了微调。

超参数和指标记录在W&B训练运行中，以确保完全透明和可重复性。

训练结束时，最终模型会被记录并版本化。

如何使用

你可以直接使用文本生成的pipeline来使用这个模型：

from transformers import pipeline
generator = pipeline('text-generation',
                     model='huggingartists/100-gecs')
generator("我是", num_return_sequences=5)

或者使用Transformers库：

from transformers import AutoTokenizer, AutoModelWithLMHead
  
tokenizer = AutoTokenizer.from_pretrained("huggingartists/100-gecs")

model = AutoModelWithLMHead.from_pretrained("huggingartists/100-gecs")

限制与偏见

该模型存在与GPT-2相同的限制和偏见。

此外，用户推文中的数据进一步影响了模型生成的文本。

关于

由Aleksey Korshuk构建

更多详情，请访问项目仓库。