语言: 希伯来语

缩略图: https://avatars1.githubusercontent.com/u/3617152?norod.jpg 小部件:

• 文本: "远古时代"
• 文本: "十二个封印的女巫"
• 文本: "\n\n世界上最后一个人/"
• 文本: "很久很久以前"
• 文本: "赫敏藏起了"
• 文本: "突然，一道绿光"

许可证: MIT

希伯来语-GPT新-XL-诗歌

这是一个希伯来语诗歌文本生成模型，基于hebrew-gpt_neo-xl进行了微调。

数据集

汇集了各种希伯来语书籍、杂志和诗歌文集。

训练配置

类似于此配置

使用方法

Google Colab笔记本

可在此处获取这里

简单使用示例代码

!pip install tokenizers==0.10.3 transformers==4.8.0

from transformers import AutoTokenizer, AutoModelForCausalLM
  
tokenizer = AutoTokenizer.from_pretrained("Norod78/hebrew-gpt_neo-xl-poetry")
model = AutoModelForCausalLM.from_pretrained("Norod78/hebrew-gpt_neo-xl-poetry", pad_token_id=tokenizer.eos_token_id)

prompt_text = "我喜欢巧克力和蛋糕"
max_len = 512
sample_output_num = 3
seed = 1000

import numpy as np
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
n_gpu = 0 if torch.cuda.is_available()==False else torch.cuda.device_count()

print(f"device: {device}, n_gpu: {n_gpu}")

np.random.seed(seed)
torch.manual_seed(seed)
if n_gpu > 0:
    torch.cuda.manual_seed_all(seed)

model.to(device)

encoded_prompt = tokenizer.encode(
    prompt_text, add_special_tokens=False, return_tensors="pt")

encoded_prompt = encoded_prompt.to(device)

if encoded_prompt.size()[-1] == 0:
        input_ids = None
else:
        input_ids = encoded_prompt

print("input_ids = " + str(input_ids))

if input_ids != None:
  max_len += len(encoded_prompt[0])
  if max_len > 2048:
    max_len = 2048

print("Updated max_len = " + str(max_len))

stop_token = "<|endoftext|>"
new_lines = "\n\n\n"

sample_outputs = model.generate(
    input_ids,
    do_sample=True, 
    max_length=max_len, 
    top_k=50, 
    top_p=0.95, 
    num_return_sequences=sample_output_num
)

print(100 * '-' + "\n\t\t输出\n" + 100 * '-')
for i, sample_output in enumerate(sample_outputs):

  text = tokenizer.decode(sample_output, skip_special_tokens=True)
  
  # 移除停止标记后的所有文本
  text = text[: text.find(stop_token) if stop_token else None]

  # 移除三个换行符后的所有文本
  text = text[: text.find(new_lines) if new_lines else None]

  print("\n{}: {}".format(i, text))
  print("\n" + 100 * '-')