许可证：apache-2.0
推理参数：
温度值：0.7
最大长度：24
数据集：

• Ateeqq/Title-Keywords-SEO
  支持语言：
• 英文
  库名称：transformers
  流水线标签：文本生成
  标签：
• 文本生成推理
  示例窗口：
• 文本：'生成标题：重要性、数据集、人工智能'
  示例标题：示例1
• 文本：'生成标题：亚马逊、产品、商业'
  示例标题：示例2
• 文本：'生成标题：历史、计算机、软件'
  示例标题：示例3

关键词标题生成器

标题生成器是一款在线工具，可帮助您为内容创作吸引人的标题。通过输入特定关键词或内容相关信息，您将获得能提升内容吸引力的主题建议。

由 https://exnrt.com 开发

• 微调模型：T5-Base
• 参数量：2.23亿
• 训练数据集长度：10,000
• 验证数据集长度：2000
• 批次大小：1
• 训练轮次：2
• 训练损失值：1.6578
• 验证损失值：1.8115

您也可以使用 mini 文件夹中的 t5-small 模型（7700万参数）。

使用方法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM  
import torch  

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  
tokenizer = AutoTokenizer.from_pretrained("Ateeqq/keywords-title-generator")  
model = AutoModelForSeq2SeqLM.from_pretrained("Ateeqq/keywords-title-generator").to(device)  

def generate_title(keywords):  
    input_ids = tokenizer(keywords, return_tensors="pt", padding="longest", truncation=True, max_length=24).input_ids.to(device)  
    outputs = model.generate(  
        input_ids,  
        num_beams=5,  
        num_beam_groups=5,  
        num_return_sequences=5,  
        repetition_penalty=10.0,  
        diversity_penalty=3.0,  
        no_repeat_ngram_size=2,  
        temperature=0.7,  
        max_length=24  
    )  
    return tokenizer.batch_decode(outputs, skip_special_tokens=True)  

keywords = '模型, 微调, 机器学习'  
generate_title(keywords)  

输出示例：

['如何微调您的机器学习模型以获得更好性能',  
 '使用简单技术微调您的机器学习模型',  
 '通过微调技术优化您的机器学习模型',  
 '机器学习：根据需求调整您的模型',  
 '机器学习模型微调的艺术']