README.md

---
license: apache-2.0
language:
- zh
pipeline_tag: text-generation
tags:
- text-generation-inference
datasets:
- Zhaoming213/THUCNews2012
---
# BackTo2012
过去的时光总是那么的让人怀念，可是时间不能倒流（至少现在的技术不允许），那么，还想体验过去的时光怎么办？搭建一个拟物化的网站？但看起还是少点什么，没错，那是因为它是静态的，只有动态的内容才能让人产生心动！

尝试过使用大模型来怀旧？但是你会发现总是差那么一点，没错，那是因为大模型的知识比较新，而不是完全用2012年的视角来看，但是如果要是只用2012年的数据训练模型，效果会好很多！

这是一个仅用2012年的数据从头预训练的一个小模型，模型的知识截止日期是2012年，这意味着模型可以模仿早期互联网风格的内容用来怀旧！  

## 简介
这是基于Github Minimind项目训练的模型！  
地址是：https://github.com/jingyaogong/minimind。


### 模型参数

| 模型信息 | 数值 |
| :--- | :---: | 
| 维度 | 512 | 
| 隐藏层 | 8 | 
| 序列长度 | 512 | 

## 1.训练平台
GPU：P100 16GB  
训练时长：大约10小时  
数据集：差不多2GB  

## 2.使用指南
*   你需要下载这个项目文件（https://github.com/jingyaogong/minimind。），然后把模型文件（pretrain_512.pth）放进out目录里，然后运行eval_llm.py这个文件来启用模型。
*   需要修改的地方： 
parser.add_argument('--weight', default='pretrain', type=str, help="权重名称前缀（pretrain, full_sft, rlhf, reason, ppo_actor, grpo, spo）")    
parser.add_argument('--hidden_size', default=512, type=int, help="隐藏层维度（512=Small-26M, 640=MoE-145M, 768=Base-104M）")  
parser.add_argument('--num_hidden_layers', default=8, type=int, help="隐藏层数量（Small/MoE=8, Base=16）")

## 3.未来计划
目前这个模型还是一个预训练模型，后续也许会训练出sft模型发布。  
但是我目前在使用更大的数据集预训练更大参数的模型。  
 
## 4.输出示例

💬: 微软决定  
🤖: 在国际上销售Windows 7.1。 

[Speed]: 165.15 tokens/s  


💬: 苹果决定  
🤖: 在国内推出全新版iPhone 4  
　　新浪科技讯 北京时间10月10日上午消息，据国外媒体报道，苹果CEO史蒂夫·乔布斯(Steve Jobs)周四表示，苹果计划在国内推出一系列全新的iPhone 4手机。  
　　苹果表示，苹果希望通过这款手机为iPhone 4提供更多的应用程序。乔布斯说：“我们希望能够利用这款手机来提升iPhone 4的体验。苹果计划在国内推出多款全新的iPhone 4手机，这款手机将于今年底在国内推出，届时苹果将会推出更多的应用程序。”  
　　苹果目前在国内的计划包括：iPhone 4的iPhone 4手机，iPhone 4的iPhone 4手机，iPhone 4的iPhone 4手机，iPhone 4的iPhone 4的iPhone 4，iPhone 4GS，iPhone 4，iPhone 4GS。苹果希望通过这款手机在国内推出iPhone 4手机。(彦飞)  

[Speed]: 234.71 tokens/s



💬: 最新电影  
🤖: 《流星花园》将在今晚开播 导演称将赶赴香港  
　　新浪娱乐讯 由国家广电总局电影局、国家广电总局、国家广电总局等单位联合举办的“国际电影”电影票房影片《流星花园》(以下简称《流星花园》)将于今晚(7月27日)晚在香港上映。影片《流星花园》将于8月27日(本周)晚上8点在香港首映，该片将于本周五(8月27日)晚在香港开机。  
　　《流星花园》将于8月27日开播，由国家广电总局影视发展中心影片《流星花园》(以下简称《流星花园》)将在本周五开播。  
　　电影《流星花园》由国家广电总局电影局、国家广电总局影片办公室、国家广电总局影视发展中心影片发行公司联合举办，该片由国家广电总局电影局影片《流星花园》制片方联合摄制，是影片国家广电总局电影局影片《流星花园》(以下简称《流星花园》)，该片导演陈国强也将参与，电影导演陈国强也将在今晚于香港首映。  
　　电影《流星花园》将于8月27日在香港首映，其余三部影片均为国家广电总局电影制片司司长、国家广电总局电影局监察局局长张建成，香港电影制片部经理曾德华等主演都将赶赴香港，并于7月1日在香港举行首映礼。电影制片部经理李国强表示，电影《流星花园》将于8月27日晚在香港开机，电影《流星花  

[Speed]: 222.68 tokens/s  


## 5.数据集统计

|年份统计（Top20） | 数值 | 
| :--- | :---: | 
|2010  | 254434 | 
|2009  | 247794 | 
|2008  | 173169 | 
|2011  | 161589 | 
|2007  | 96679 | 
|2000  | 71803 | 
|2006  | 60029 | 
|2005 |  42578 | 
|2012 |  34249 | 
|2004  | 33467 | 
|2003 |  26250 | 
|2002 |  21324 | 
|2001  | 20177 | 
|1999  | 15348 | 
|1998  | 13637 | 
|1997  | 10733 | 
|2013 |  9881 | 
|1996 |  9160 | 
|1995  | 8373 | 
|1990 |  8197 | 

|代词统计 | 数值 | 
| :--- | :---: | 
|他  | 2578420 | 
|她  | 669679 | 
|他们  | 575532 | 
|它  | 270336 | 
|它们  | 37710 | 
|她们  | 36319 | 

|国家统计（Top20） | 数值 | 
| :--- | :---: | 
|中国  | 1145418 | 
|美国  | 519371 | 
|日本  | 179136 | 
|英国  | 116346 | 
|韩国  | 99120 | 
|德国  | 86102 | 
|法国  | 70067 | 
|西班牙  | 63319 | 
|意大利  | 62282 | 
|俄罗斯 |  57174 | 
|印度  | 54015 | 
|巴西  | 47241 | 
|澳大利亚  | 34048 | 
|加拿大  | 28087 | 
|以色列  | 18883 | 
|乌克兰  | 7506 | 
|巴勒斯坦 |  6293 | 

|性别比例 | 数值 | 
| :--- | :---: | 
|male:  | 3153952 | 
|female:  | 705998 | 
|male_ratio:  | 0.817096594515473 | 
|female_ratio: |  0.182903405484527 | 

|职业性别共现 | 数值（male） | 数值（famle） | 
| :--- | :---: | :---: | 
|领导  | male: 30401  | female: 6497 | 
|科学家 |  male: 3952  | female: 767 | 
|老板  | male: 19087  | female: 6903 | 
|工程师 |  male: 4379  | female: 769 | 
|秘书 |  male: 7634  | female: 1695 | 
|护士  | male: 1922 |  female: 1451 | 
|司机  | male: 7621  | female: 3262 | 
|警察  | male: 11058 |  female: 4321 | 
|医生  | male: 14059 |  female: 7897 | 
|教师  | male: 7105  | female: 2855 | 
|保姆  | male: 1300  | female: 1023 | 
|程序员  | male: 469  | female: 78 |