transformers/main/ja/_app/immutable/nodes/103.e2a67cab.js

import{s as st,o as ot,n as pt}from"../chunks/scheduler.9bc65507.js";import{S as rt,i as mt,g as o,s as a,r as M,A as ft,h as p,f as i,c as s,j as nt,u as D,x as m,k as at,y as ut,a as l,v as H,d as b,t as y,w as E}from"../chunks/index.707bf1b6.js";import{T as $t}from"../chunks/Tip.c2ecdbf4.js";import{H as X,E as Tt}from"../chunks/EditOnGithub.922df6ba.js";function vt(S){let n,u='DialoGPT のアーキテクチャは GPT2 モデルに基づいています。API リファレンスと例については、<a href="openai-community/gpt2">GPT2 のドキュメント ページ</a> を参照してください。';return{c(){n=o("p"),n.innerHTML=u},l(r){n=p(r,"P",{"data-svelte-h":!0}),m(n)!=="svelte-5oxuc2"&&(n.innerHTML=u)},m(r,C){l(r,n,C)},p:pt,d(r){r&&i(n)}}}function Pt(S){let n,u,r,C,$,j,T,U,v,Z=`DialoGPT は、<a href="https://arxiv.org/abs/1911.00536" rel="nofollow">DialoGPT: Large-Scale Generative Pre-training for Conversational Response Generation</a> で Yizhe Zhang, Siqi Sun, Michel Galley, Yen-Chun Chen, Chris Brockett, Xiang Gao,
Jianfeng Gao, Jingjing Liu, Bill Dolan.これは、から抽出された 147M 万の会話のようなやりとりでトレーニングされた GPT2 モデルです。
レディット。`,A,P,K="論文の要約は次のとおりです。",O,c,Q=`<em>私たちは、大規模で調整可能なニューラル会話応答生成モデル DialoGPT (対話生成事前トレーニング済み) を紹介します。
変成器）。 Reddit のコメント チェーンから抽出された 1 億 4,700 万件の会話のようなやり取りを対象にトレーニングされました。
2005 年から 2017 年にかけて、DialoGPT は人間に近いパフォーマンスを達成するために Hugging Face PyTorch トランスフォーマーを拡張しました。
シングルターンダイアログ設定における自動評価と人間による評価の両方。会話システムが
DialoGPT を活用すると、強力なベースラインよりも関連性が高く、内容が充実し、コンテキストに一貫性のある応答が生成されます。
システム。神経反応の研究を促進するために、事前トレーニングされたモデルとトレーニング パイプラインが公開されています。
よりインテリジェントなオープンドメイン対話システムの生成と開発。</em>`,k,g,V='元のコードは <a href="https://github.com/microsoft/DialoGPT" rel="nofollow">ここ</a> にあります。',R,h,q,_,W=`<li>DialoGPT は絶対位置埋め込みを備えたモデルであるため、通常は入力を右側にパディングすることをお勧めします。
左よりも。</li> <li>DialoGPT は、会話データの因果言語モデリング (CLM) 目標に基づいてトレーニングされているため、強力です
オープンドメイン対話システムにおける応答生成時。</li> <li>DialoGPT を使用すると、<a href="https://huggingface.co/microsoft/DialoGPT-medium" rel="nofollow">DialoGPT’s model card</a> に示されているように、ユーザーはわずか 10 行のコードでチャット ボットを作成できます。</li>`,z,G,tt="トレーニング：",B,x,et=`DialoGPT をトレーニングまたは微調整するには、因果言語モデリング トレーニングを使用できます。公式論文を引用すると： *私たちは
OpenAI GPT-2に従って、マルチターン対話セッションを長いテキストとしてモデル化し、生成タスクを言語としてフレーム化します
モデリング。まず、ダイアログ セッション内のすべてのダイアログ ターンを長いテキスト x_1,…, x_N に連結します (N は`,I,d,it="<li>詳細については、元の論文を参照してください。</li>",J,f,N,w,Y,L,F;return $=new X({props:{title:"DialoGPT",local:"dialogpt",headingTag:"h1"}}),T=new X({props:{title:"Overview",local:"overview",headingTag:"h2"}}),h=new X({props:{title:"Usage tips",local:"usage-tips",headingTag:"h2"}}),f=new $t({props:{$$slots:{default:[vt]},$$scope:{ctx:S}}}),w=new Tt({props:{source:"https://github.com/huggingface/transformers/blob/main/docs/source/ja/model_doc/dialogpt.md"}}),{c(){n=o("meta"),u=a(),r=o("p"),C=a(),M($.$$.fragment),j=a(),M(T.$$.fragment),U=a(),v=o("p"),v.innerHTML=Z,A=a(),P=o("p"),P.textContent=K,O=a(),c=o("p"),c.innerHTML=Q,k=a(),g=o("p"),g.innerHTML=V,R=a(),M(h.$$.fragment),q=a(),_=o("ul"),_.innerHTML=W,z=a(),G=o("p"),G.textContent=tt,B=a(),x=o("p"),x.textContent=et,I=a(),d=o("ul"),d.innerHTML=it,J=a(),M(f.$$.fragment),N=a(),M(w.$$.fragment),Y=a(),L=o("p"),this.h()},l(t){const e=ft("svelte-u9bgzb",document.head);n=p(e,"META",{name:!0,content:!0}),e.forEach(i),u=s(t),r=p(t,"P",{}),nt(r).forEach(i),C=s(t),D($.$$.fragment,t),j=s(t),D(T.$$.fragment,t),U=s(t),v=p(t,"P",{"data-svelte-h":!0}),m(v)!=="svelte-1s6k9j6"&&(v.innerHTML=Z),A=s(t),P=p(t,"P",{"data-svelte-h":!0}),m(P)!=="svelte-1cv3nri"&&(P.textContent=K),O=s(t),c=p(t,"P",{"data-svelte-h":!0}),m(c)!=="svelte-29ryet"&&(c.innerHTML=Q),k=s(t),g=p(t,"P",{"data-svelte-h":!0}),m(g)!=="svelte-14h9auw"&&(g.innerHTML=V),R=s(t),D(h.$$.fragment,t),q=s(t),_=p(t,"UL",{"data-svelte-h":!0}),m(_)!=="svelte-7irg4f"&&(_.innerHTML=W),z=s(t),G=p(t,"P",{"data-svelte-h":!0}),m(G)!=="svelte-vhw68w"&&(G.textContent=tt),B=s(t),x=p(t,"P",{"data-svelte-h":!0}),m(x)!=="svelte-8ield1"&&(x.textContent=et),I=s(t),d=p(t,"UL",{"data-svelte-h":!0}),m(d)!=="svelte-1wixjvn"&&(d.innerHTML=it),J=s(t),D(f.$$.fragment,t),N=s(t),D(w.$$.fragment,t),Y=s(t),L=p(t,"P",{}),nt(L).forEach(i),this.h()},h(){at(n,"name","hf:doc:metadata"),at(n,"content",ct)},m(t,e){ut(document.head,n),l(t,u,e),l(t,r,e),l(t,C,e),H($,t,e),l(t,j,e),H(T,t,e),l(t,U,e),l(t,v,e),l(t,A,e),l(t,P,e),l(t,O,e),l(t,c,e),l(t,k,e),l(t,g,e),l(t,R,e),H(h,t,e),l(t,q,e),l(t,_,e),l(t,z,e),l(t,G,e),l(t,B,e),l(t,x,e),l(t,I,e),l(t,d,e),l(t,J,e),H(f,t,e),l(t,N,e),H(w,t,e),l(t,Y,e),l(t,L,e),F=!0},p(t,[e]){const lt={};e&2&&(lt.$$scope={dirty:e,ctx:t}),f.$set(lt)},i(t){F||(b($.$$.fragment,t),b(T.$$.fragment,t),b(h.$$.fragment,t),b(f.$$.fragment,t),b(w.$$.fragment,t),F=!0)},o(t){y($.$$.fragment,t),y(T.$$.fragment,t),y(h.$$.fragment,t),y(f.$$.fragment,t),y(w.$$.fragment,t),F=!1},d(t){t&&(i(u),i(r),i(C),i(j),i(U),i(v),i(A),i(P),i(O),i(c),i(k),i(g),i(R),i(q),i(_),i(z),i(G),i(B),i(x),i(I),i(d),i(J),i(N),i(Y),i(L)),i(n),E($,t),E(T,t),E(h,t),E(f,t),E(w,t)}}}const ct='{"title":"DialoGPT","local":"dialogpt","sections":[{"title":"Overview","local":"overview","sections":[],"depth":2},{"title":"Usage tips","local":"usage-tips","sections":[],"depth":2}],"depth":1}';function gt(S){return ot(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class dt extends rt{constructor(n){super(),mt(this,n,gt,Pt,st,{})}}export{dt as component};