Update

README.md

@@ -0,0 +1,75 @@
+---
+language: Chinese
+widget: 
+- text: "当是时"
+
+
+---
+
+
+# Chinese GPT2 Ancient Model
+
+## Model description
+
+The model is used to generate ancient Chinese. You can download the model either from the [GPT2-Chinese Github page](https://github.com/Morizeyao/GPT2-Chinese), or via HuggingFace from the link [gpt2-chinese-ancient](https://huggingface.co/uer/gpt2-chinese-ancient)
+
+## How to use
+
+You can use the model directly with a pipeline for text generation:
+
+```python
+>>> from transformers import BertTokenizer, GPT2LMHeadModel, TextGenerationPipeline
+>>> tokenizer = BertTokenizer.from_pretrained("uer/gpt2-chinese-ancient")
+>>> model = GPT2LMHeadModel.from_pretrained("uer/gpt2-chinese-ancient")
+>>> text_generator = TextGenerationPipeline(model, tokenizer)   
+>>> text_generator("当是时", max_length=100, do_sample=True)
+    [{'generated_text': '当是时 所 议 者 不 为 无 据 ， 况 亦 在 之 列 乎 ？ 然 则 今 日 之 事 ， 所 当 思 者 在 何 ？ 欲 求 国 是 于 天 下 ， 莫 在 于 得 人 。 臣 以 为 求 人 之 法 ， 不 在 多 用 官 一 途 。 诚 使 得 才 者 众 ， 人 才 者 优 ， 则 治 所 当 得 ， 而 不 事 于 官 者 ， 人 才 乃 其 常 也 。 所 当 讲 者'}]
+```
+
+## Training data
+
+Training data contains 3,000,000 ancient Chinese which are collected by [daizhigev20](https://github.com/garychowcmu/daizhigev20).
+
+## Training procedure
+
+The model is pre-trained by [UER-py](https://github.com/dbiir/UER-py/) on [Tencent Cloud TI-ONE](https://cloud.tencent.com/product/tione/). We pre-train 500,000 steps with a sequence length of 320.
+
+```
+python3 preprocess.py --corpus_path corpora/ancient_chinese.txt \
+                      --vocab_path models/google_zh_vocab.txt \
+                      --dataset_path ancient_chinese_dataset.pt --processes_num 16 \
+                      --seq_length 320 --target lm
+```
+
+```
+python3 pretrain.py --dataset_path ancient_chinese_dataset.pt \
+                    --vocab_path models/google_zh_vocab.txt \
+                    --output_model_path models/ancient_chinese_base_model.bin \
+                    --config_path models/bert_base_config.json \
+                    --world_size 8 --gpu_ranks 0 1 2 3 4 5 6 7 \
+                    --total_steps 500000 --save_checkpoint_steps 100000 --report_steps 10000 \
+                    --learning_rate 5e-4 --batch_size 32 \
+                    --embedding word_pos --remove_embedding_layernorm \
+                    --encoder transformer --mask causal --layernorm_positioning pre \
+                    --target lm --tie_weight
+```
+
+Finally, we convert the pre-trained model into Huggingface's format:
+
+```
+python3 scripts/convert_gpt2_from_uer_to_huggingface.py --input_model_path ancient_chinese_base_model.bin-500000 \
+                                                        --output_model_path pytorch_model.bin \
+                                                        --layers_num 12
+```
+
+### BibTeX entry and citation info
+
+```
+@article{zhao2019uer,
+  title={UER: An Open-Source Toolkit for Pre-training Models},
+  author={Zhao, Zhe and Chen, Hui and Zhang, Jinbin and Zhao, Xin and Liu, Tao and Lu, Wei and Chen, Xi and Deng, Haotang and Ju, Qi and Du, Xiaoyong},
+  journal={EMNLP-IJCNLP 2019},
+  pages={241},
+  year={2019}
+}
+```

pytorch_model.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:a335f4ea173e63bcacf1342ed63c7b588dfed5ed229f58432ba8014c91be548c
+oid sha256:4ba1d96901351a4eb148bac920daf315a51d3df343eb03d0595f70a3a9976bfc
 size 419348431

tf_model.h5

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:3c6097d4193a1566b845bebad27bfcedb8fe0477a18eedbb153f96052f7d2a4d
+oid sha256:9ef1b96776204a762e6fdfadcf5437b2f4147b8eb65bddaee9414fd2772e0da4
 size 406876496