|
--- |
|
language: sv |
|
license: mit |
|
datasets: |
|
- "Gabriel/citesum_swe" |
|
tags: |
|
- summarization |
|
|
|
widget: |
|
- text: 'Många samtidiga programmeringsmodeller möjliggör både transaktionsminne och meddelandepassage. För sådana modeller har forskare byggt upp allt effektivare implementeringar och fastställt rimliga korrekthetskriterier, samtidigt som det fortfarande är ett öppet problem att få det bästa av båda världarna. Vi presenterar en programmeringsmodell som är den första som har ogenomskinliga transaktioner, säkert asynkront meddelande som passerar, och ett effektivt genomförande. Våra semantik använder preliminärt meddelande passerar och håller reda på beroenden för att möjliggöra ångra meddelande passerar om en transaktion avbryter. Vi kan programmera kommunikation idiomer som barriär och mötesplats som inte dödläge när de används i ett atomblock. Våra experiment visar att vår modell tillför lite overhead till rena transaktioner, och att den är betydligt effektivare än Transaktionshändelser. Vi använder en ny definition av säkert meddelande som kan vara av oberoende intresse.' |
|
|
|
inference: |
|
parameters: |
|
temperature: 0.7 |
|
min_length: 30 |
|
max_length: 120 |
|
|
|
model-index: |
|
- name: Gabriel/bart-base-cnn-xsum-cite-swe |
|
results: |
|
- task: |
|
type: summarization |
|
name: summarization |
|
dataset: |
|
name: Gabriel/citesum_swe |
|
type: Gabriel/citesum_swe |
|
split: validation |
|
metrics: |
|
- name: Validation ROGUE-1. |
|
type: rouge-1 |
|
value: 29.6279 |
|
verified: true |
|
- name: Validation ROGUE-2 |
|
type: rouge-2 |
|
value: 11.5697 |
|
verified: true |
|
- name: Validation ROGUE-L |
|
type: rouge-l |
|
value: 24.2429 |
|
verified: true |
|
- name: Validation ROGUE-L-SUM |
|
type: rouge-l-sum |
|
value: 24.4557 |
|
verified: true |
|
|
|
|
|
train-eval-index: |
|
- config: Gabriel--citesum_swe |
|
task: summarization |
|
task_id: summarization |
|
splits: |
|
eval_split: test |
|
col_mapping: |
|
document: text |
|
summary: target |
|
|
|
co2_eq_emissions: |
|
emissions: 0.0334 |
|
source: Google Colab |
|
training_type: fine-tuning |
|
geographical_location: Fredericia, Denmark |
|
hardware_used: Tesla P100-PCIE-16GB |
|
--- |
|
|
|
<!-- 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. --> |
|
|
|
# bart-base-cnn-xsum-cite-swe |
|
|
|
This model is a fine-tuned version of [Gabriel/bart-base-cnn-xsum-swe](https://huggingface.co/Gabriel/bart-base-cnn-xsum-swe) on the None dataset. |
|
It achieves the following results on the evaluation set: |
|
- Loss: 2.4203 |
|
- Rouge1: 29.6279 |
|
- Rouge2: 11.5697 |
|
- Rougel: 24.2429 |
|
- Rougelsum: 24.4557 |
|
- Gen Len: 19.9371 |
|
|
|
## 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: 16 |
|
- eval_batch_size: 16 |
|
- seed: 42 |
|
- gradient_accumulation_steps: 2 |
|
- total_train_batch_size: 32 |
|
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 |
|
- lr_scheduler_type: linear |
|
- lr_scheduler_warmup_steps: 500 |
|
- num_epochs: 1 |
|
- mixed_precision_training: Native AMP |
|
|
|
### Training results |
|
|
|
| Training Loss | Epoch | Step | Validation Loss | Rouge1 | Rouge2 | Rougel | Rougelsum | Gen Len | |
|
|:-------------:|:-----:|:----:|:---------------:|:-------:|:-------:|:-------:|:---------:|:-------:| |
|
| 2.4833 | 1.0 | 2558 | 2.4203 | 29.6279 | 11.5697 | 24.2429 | 24.4557 | 19.9371 | |
|
|
|
|
|
### Framework versions |
|
|
|
- Transformers 4.22.2 |
|
- Pytorch 1.12.1+cu113 |
|
- Datasets 2.5.1 |
|
- Tokenizers 0.12.1 |
|
|
