Update README.md

README.md

@@ -24,8 +24,8 @@ ULT5-pt é um modelo de arquitetura T5-v1.1 treinado com o framework UL2 - [Unif
 
 | Model                                    | type | Parameters  |
 |                 :-:                      | :-: |    :-:   |
-| [ult5-pt-small](https://huggingface.co/thacio/ult5-pt-small) | encoder-decoder | 82.4M |
-| [sentence-transformer-ult5-pt-small](https://huggingface.co/thacio/ult5-pt-small) | sentence-transformer | 51M |
+| [ult5-pt-small](https://huggingface.co/tgsc/ult5-pt-small) | encoder-decoder | 82.4M |
+| [sentence-transformer-ult5-pt-small](https://huggingface.co/tgsc/ult5-pt-small) | sentence-transformer | 51M |
 
 
 - **Developed by:** Thacio Garcia Scandaroli
@@ -42,7 +42,7 @@ Alguns datasets (algumas classificações ou score de similaridade) possuem melh
 ```python
 from transformers import  AutoModelForSeq2SeqLM
 
-model = AutoModelForSeq2SeqLM.from_pretrained("thacio/ult5-pt-small",dropout_rate=0.0)
+model = AutoModelForSeq2SeqLM.from_pretrained("tgsc/ult5-pt-small",dropout_rate=0.0)
 ```
 
 ## Pretraining and model characteristics
@@ -87,8 +87,8 @@ Exemplo de geração de texto com top_k de 30
 ```python
 from transformers import GPT2TokenizerFast, AutoModelForSeq2SeqLM
 
-tokenizer = GPT2TokenizerFast.from_pretrained("thacio/ult5-pt-small")
-model = AutoModelForSeq2SeqLM.from_pretrained("thacio/ult5-pt-small")
+tokenizer = GPT2TokenizerFast.from_pretrained("tgsc/ult5-pt-small")
+model = AutoModelForSeq2SeqLM.from_pretrained("tgsc/ult5-pt-small")
 
 text='Um modelo de linguagem é um sistema de inteligência artificial que'
 
@@ -100,16 +100,16 @@ print('generated:',tokenizer.batch_decode(pred, skip_special_tokens=True))
 ```
 
 
-Embora seja possível obter embeddings com o modelo, melhores embeddings podem ser obtidos com o modelo [thacio/sentence-transformer-ult5-pt-small](https://huggingface.co/thacio/sentence-transformer-ult5-pt-small).
-*Altough you can get embeddings from this model, better embeddings can be obtained with [thacio/sentence-transformer-ult5-pt-small](https://huggingface.co/thacio/sentence-transformer-ult5-pt-small).*
+Embora seja possível obter embeddings com o modelo, melhores embeddings podem ser obtidos com o modelo [tgsc/sentence-transformer-ult5-pt-small](https://huggingface.co/tgsc/sentence-transformer-ult5-pt-small).
+*Altough you can get embeddings from this model, better embeddings can be obtained with [tgsc/sentence-transformer-ult5-pt-small](https://huggingface.co/tgsc/sentence-transformer-ult5-pt-small).*
 
 Embeddings:
 
 ```python
 from transformers import T5EncoderModel, GPT2TokenizerFast
 
-tokenizer = GPT2TokenizerFast.from_pretrained("thacio/ult5-pt-small")
-model = T5EncoderModel.from_pretrained("thacio/ult5-pt-small")
+tokenizer = GPT2TokenizerFast.from_pretrained("tgsc/ult5-pt-small")
+model = T5EncoderModel.from_pretrained("tgsc/ult5-pt-small")
 
 text = 'Um modelo de linguagem é um sistema de inteligência artificial que aprende a gerar ou processar texto baseado em exemplos de treinamento.'
 input_ids = tokenizer(text, return_tensors="pt").input_ids