Create README.md
Browse files
README.md
ADDED
|
@@ -0,0 +1,35 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
license: mit
|
| 3 |
+
---
|
| 4 |
+
# SberGPT2 InternetLanguage-RU Model (Experimental)
|
| 5 |
+
|
| 6 |
+
🇷🇺 Русскоязычная языковая модель на базе GPT-2 от Сбера, дообученная на отфильтрованных постах русскоязычного имиджборда 2ch (Двач).
|
| 7 |
+
|
| 8 |
+
**Внимание: модель может генерировать нежелательный или бессмысленный контент. Используйте с осторожностью.**
|
| 9 |
+
|
| 10 |
+
---
|
| 11 |
+
|
| 12 |
+
## Описание
|
| 13 |
+
|
| 14 |
+
Модель дообучалась на постах с Двача (2ch.hk) после базовой версии [sberbank-ai/rugpt2large](https://huggingface.co/sberbank-ai/rugpt2large).
|
| 15 |
+
Посты были фильтрованы автоматическими скриптами для удаления нецензурной лексики, токсичности и оффтопа. Тем не менее, **гарантировать безопасность контента невозможно**.
|
| 16 |
+
|
| 17 |
+
Цель — исследование и экспериментальная генерация неформального текста, разговорного русского языка, сленга и "интернет-культуры".
|
| 18 |
+
|
| 19 |
+
Эта модель распространяется под лицензией MIT, с добавленным отказом от ответственности
|
| 20 |
+
|
| 21 |
+
Модель предназначена исключительно для исследовательских и образовательных целей. Автор не несёт ответственности за возможный вред, причинённый использованием модели. Используйте на свой страх и риск.
|
| 22 |
+
|
| 23 |
+
---
|
| 24 |
+
|
| 25 |
+
## Использование
|
| 26 |
+
|
| 27 |
+
```python
|
| 28 |
+
from transformers import AutoTokenizer, AutoModelForCausalLM
|
| 29 |
+
|
| 30 |
+
model = AutoModelForCausalLM.from_pretrained("your-username/your-model")
|
| 31 |
+
tokenizer = AutoTokenizer.from_pretrained("your-username/your-model")
|
| 32 |
+
|
| 33 |
+
input_ids = tokenizer("Привет, как дела?", return_tensors="pt").input_ids
|
| 34 |
+
output = model.generate(input_ids, max_new_tokens=50)
|
| 35 |
+
print(tokenizer.decode(output[0], skip_special_tokens=True))
|