Descripción do modelo
Modelo de (~) 125M de parámetros, adestrado e afinado desde cero, usando un dataset en galego de 305MB obtido da wikipedia en galego.
No contexto da Resolución do 22 de decembro de 2021 da Secretaría Xeral de Educación e Formación Profesional pola que se convocan premios para o desenvolvemento de proxectos de innovación tecnolóxica ou científica e proxectos de innovación didáctica no ámbito da formación profesional en centros públicos dependentes da Consellería de Cultura, Educación e Universidade, baixo o nome de "Creación dun modelo de linguaxe adestrado previamente mediante técnicas de autoatención para explorar arquitecturas que permitan o seu uso en solucións de procesamento da linguaxe natural en galego tanto na docencia como na contorna empresarial"
Usos e limitacións
Este modelo foi creado con fins pedagóxicos e de investigación.
Hiperparámetros de entrenamiento
- learning_rate: 1e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- gradient_accumulation_steps: 32
- total_train_batch_size: 256
- optimizer: Adam with betas=(0.1,0.9) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 15
Training results
| Training Loss | Epoch | Step | Validation Loss |
|---|---|---|---|
| 3.6976 | 0.22 | 1500 | 2.2866 |
| 2.3057 | 0.43 | 3000 | 1.9276 |
| ... ... ... ... | |||
| 1.1982 | 14.25 | 99000 | 1.0601 |
| 1.196 | 14.47 | 100500 | 1.0554 |
| 1.1971 | 14.69 | 102000 | 1.0538 |
| 1.1954 | 14.9 | 103500 | 1.0613 |
Versiones de los frameworks
- Transformers 4.24.0
- Pytorch 1.13.1
- Datasets 2.6.1
- Tokenizers 0.11.0
