|
--- |
|
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 |
|
|
