tags:
- generated_from_trainer
metrics:
- rouge
model-index:
- name: t5-russian-spell
results: []
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 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