File size: 4,833 Bytes
641de9d 8bf140a 641de9d 3b47ed7 2d5620b 3b47ed7 641de9d 8bf140a e442923 641de9d 8bf140a 641de9d e442923 641de9d 8bf140a e442923 8bf140a 641de9d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 |
---
tags:
- generated_from_trainer
metrics:
- rouge
model-index:
- name: t5-russian-spell
results: []
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# t5-russian-spell
Модель для исправления текста после распознования речи подобной сети UrukHan/wav2vec2-russian. Пример работы случайное видео с ютюба брал)):
ывсем привет выныканалетоп армии и это двадцать пятый день спец операций на украине ет самый главной новости российские военные ракетами кинжалы калибр уничтожили крупную военную топливную базу украины ракетным ударом по населенному пункту поджетамиром уничтжены более стаукраинских военных в две тысячи двадцать втором году
Всем привет! Вы канале от армии. И это 25 день спецопераций на Украине. Есть самые главные новости. Российские военные ракетами «Кинжалы» и «Кинжалы» калибра уничтожили крупную военную топливную базу Украины ракетным ударом по населенному пункту Поджандаром уничтожены более ста украинских военных в 2022 году.
This model is a fine-tuned version of [sberbank-ai/ruT5-base](https://huggingface.co/sberbank-ai/ruT5-base) on the None dataset.
It achieves the following results on the evaluation set:
- Loss: 0.3676
- Rouge1: 45.1151
- Rouge2: 22.4675
- Rougel: 45.0866
- Rougelsum: 44.9917
- Gen Len: 60.922
## Model description
More information needed
## Intended uses & limitations
More information needed
## Training and evaluation data
More information needed
## Training procedure
### Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 2e-05
- train_batch_size: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 4
- mixed_precision_training: Native AMP
### Training results
| Training Loss | Epoch | Step | Validation Loss | Rouge1 | Rouge2 | Rougel | Rougelsum | Gen Len |
|:-------------:|:-----:|:-----:|:---------------:|:-------:|:-------:|:-------:|:---------:|:-------:|
| 0.1709 | 0.2 | 2500 | 0.4521 | 44.2702 | 21.5514 | 44.2338 | 44.0689 | 61.032 |
| 0.1557 | 0.4 | 5000 | 0.4639 | 44.2613 | 21.8757 | 44.2442 | 44.0816 | 60.914 |
| 0.4276 | 0.6 | 7500 | 0.4139 | 45.2125 | 22.268 | 45.1434 | 44.9713 | 60.494 |
| 0.4675 | 0.8 | 10000 | 0.4016 | 44.2872 | 22.2143 | 44.27 | 44.0862 | 61.018 |
| 0.5048 | 1.0 | 12500 | 0.3923 | 44.9732 | 22.2551 | 45.0251 | 44.822 | 60.952 |
| 0.4362 | 1.21 | 15000 | 0.3920 | 44.8982 | 21.9817 | 44.8949 | 44.7051 | 61.29 |
| 0.426 | 1.41 | 17500 | 0.3879 | 45.4473 | 22.5263 | 45.4284 | 45.2483 | 60.674 |
| 0.4174 | 1.61 | 20000 | 0.3832 | 45.4006 | 22.2695 | 45.382 | 45.2161 | 60.92 |
| 0.4229 | 1.81 | 22500 | 0.3774 | 45.2545 | 22.2894 | 45.2335 | 45.065 | 60.722 |
| 0.4071 | 2.01 | 25000 | 0.3782 | 45.2875 | 22.4234 | 45.2902 | 45.1445 | 61.138 |
| 0.3966 | 2.21 | 27500 | 0.3782 | 45.1692 | 22.197 | 45.2311 | 45.0222 | 60.68 |
| 0.389 | 2.41 | 30000 | 0.3744 | 45.6209 | 22.5031 | 45.6023 | 45.4973 | 60.878 |
| 0.3896 | 2.61 | 32500 | 0.3718 | 45.2454 | 22.4507 | 45.2479 | 45.1446 | 60.76 |
| 0.3961 | 2.81 | 35000 | 0.3711 | 45.2779 | 22.4165 | 45.2661 | 45.1617 | 60.984 |
| 0.3765 | 3.01 | 37500 | 0.3705 | 45.1666 | 22.6603 | 45.0916 | 44.9798 | 60.994 |
| 0.3757 | 3.22 | 40000 | 0.3709 | 45.1587 | 22.4539 | 45.1129 | 45.0461 | 60.828 |
| 0.3776 | 3.42 | 42500 | 0.3688 | 45.247 | 22.6266 | 45.2351 | 45.1111 | 60.93 |
| 0.3691 | 3.62 | 45000 | 0.3693 | 45.3799 | 22.5152 | 45.3839 | 45.2705 | 60.846 |
| 0.3786 | 3.82 | 47500 | 0.3676 | 45.1151 | 22.4675 | 45.0866 | 44.9917 | 60.922 |
### Framework versions
- Transformers 4.17.0
- Pytorch 1.10.0+cu111
- Datasets 2.0.0
- Tokenizers 0.11.6
|