英文

基于 large_spanish_corpus 训练的西班牙语 GPT-2 模型

这是基于 large_spanish_corpus 数据集(也称为 BETO 的语料库)从头开始训练的西班牙语 GPT-2 模型,使用了 Flax 的一部分数据集,并由 HuggingFace 和 Google 赞助的 TPU 资源支持。

数据集

数据集大小约为 20 GB。其中 95% 的数据用于训练,剩余的 5% 用于验证。

指标(评估数据集)

  • 损失:2.413
  • 困惑度:11.36

团队成员

有用链接