bloom-560m-finetuned-sd-prompts

这个模型是基于 bigscience/bloom-560m 数据集上进行微调的版本。在评估集上取得了以下结果:

• 损失: 0.8742

使用示例

import torch
from transformers import BloomTokenizerFast, BloomForCausalLM

device = 'cuda' if torch.cuda.is_available() else 'cpu'
ckpt = 'mrm8488/bloom-560m-finetuned-sd-prompts' 

tokenizer = BloomTokenizerFast.from_pretrained(ckpt)
model = BloomForCausalLM.from_pretrained(ckpt).to(device)

def generate_prompt(text):
    inputs = tokenizer(text, return_tensors='pt')
    input_ids = inputs.input_ids.to(device)
    attention_mask = inputs.attention_mask.to(device)
    output = model.generate(input_ids, attention_mask=attention_mask, repetition_penalty=1.05, max_length=2048, eos_token_id=tokenizer.eos_token_id)

    return tokenizer.decode(output[0], skip_special_tokens=False)
    
text = "<s>Prompt: pikachu dinning in the eiffel tower"

generate_prompt(text)

# Output: <s>Prompt: pikachu dinning in the eiffel tower, intricate, elegant, highly detailed, digital painting, artstation, concept art, smooth, sharp focus, illustration, art by artgerm and greg rutkowski and alphonse mucha</s>

模型描述

需要更多信息

使用和限制

需要更多信息

训练和评估数据

需要更多信息

训练过程

训练超参数

训练时使用了以下超参数:

• 学习率: 5e-05
• 训练批大小: 1
• 评估批大小: 1
• 随机种子: 42
• 梯度累积步数: 4
• 总训练批大小: 4
• 优化器: Adam, betas=(0.9,0.999), epsilon=1e-08
• 学习率调度器类型: 线性
• 训练轮数: 2
• 混合精度训练: 原生AMP

训练结果

框架版本

• Transformers 4.22.1
• Pytorch 1.12.1+cu113
• Datasets 2.5.1
• Tokenizers 0.12.1