|
--- |
|
license: apache-2.0 |
|
tags: |
|
- generated_from_trainer |
|
model-index: |
|
- name: generateur-bucolique |
|
results: [] |
|
widget: |
|
- text: "Les bruits de la campagne " |
|
example_title: "Exemple #1" |
|
- text: "Le brouillard se dissipa " |
|
example_title: "Exemple #2" |
|
- text: "A travers champs " |
|
example_title: "Exemple #3" |
|
- text: "Des artisans " |
|
example_title: "Exemple #4" |
|
--- |
|
|
|
# generateur-bucolique |
|
|
|
This model is a fine-tuned version of [asi/gpt-fr-cased-small](https://huggingface.co/asi/gpt-fr-cased-small) on the "romans champêtres" dataset (four books). |
|
These four novels written by George Sand (*La mare au diable*, *La petite fadette*, *Les maîtres sonneurs*, *François le champi*) are characterised by a very bucolic narrative model which depicts characters leading a humble life in |
|
the rural setting of the first half of the 19th century : |
|
|
|
``` |
|
Il criait aussi, le pauvret, d’une voix qu’il voulait rendre terrible et qui restait douce comme sa figure angélique. Tout cela était beau de force ou de grâce : |
|
le paysage, l’homme, l’enfant, les taureaux sous le joug ; et, malgré cette lutte puissante où la terre était vaincue, il y avait un sentiment de douceur et de |
|
calme profond qui planait sur toutes choses. (La mare au diable) |
|
``` |
|
``` |
|
Chacun sait pourtant qu’il y a danger à rester au bord de notre rivière quand le grand vent se lève. Toutes les rives sont minées en dessous, et il n’est point |
|
d’orage qui, dans la quantité, ne déracine quelques-uns de ces vergnes qui sont toujours courts en racines, à moins qu’ils ne soient très gros et très vieux, |
|
et qui vous tomberaient fort bien sur le corps sans vous avertir. (La petite fadette) |
|
``` |
|
|
|
The model is fine-tuned with approximately 5K sentences. |
|
The generator is intended to reproduce the writing style of George Sand (at least it tries). |
|
|
|
### Training hyperparameters |
|
|
|
The parameters are the same as in [Rey Farhan' notebook (Easy GPT2 fine-tuning with Hugging Face and PyTorch)](https://reyfarhan.com/posts/easy-gpt2-finetuning-huggingface) |
|
|
|
The following hyperparameters were used during training: |
|
- learning_rate: 0.0005 |
|
- 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 |
|
- lr_scheduler_warmup_steps: 20 |
|
- num_epochs: 5 |
|
|
|
### Training results |
|
|
|
| Training Loss | Epoch | Step | Validation Loss | |
|
|:-------------:|:-----:|:----:|:---------------:| |
|
| No log | 1.0 | 495 | 2.1639 | |
|
| 2.3543 | 2.0 | 990 | 2.1599 | |
|
| 1.6869 | 3.0 | 1485 | 2.4279 | |
|
| 1.0753 | 4.0 | 1980 | 2.8547 | |
|
| 0.5891 | 5.0 | 2475 | 3.0414 | |
|
|
|
|
|
### Framework versions |
|
|
|
- Transformers 4.20.1 |
|
- Pytorch 1.11.0 |
|
- Datasets 2.1.0 |
|
- Tokenizers 0.12.1 |
|
|
