Labagaite's picture
Upload README.md with huggingface_hub
e735fda verified
|
raw
history blame
3.57 kB
metadata
language:
  - fr
license: apache-2.0
tags:
  - text-generation-inference
  - transformers
  - unsloth
  - gemma
  - summarizer
  - lora
base_model: unsloth/gemma-2b-it-bnb-4bit

Uploaded as lora model

  • Developed by: Labagaite
  • License: apache-2.0
  • Finetuned from model : unsloth/gemma-2b-it-bnb-4bit

Training Logs

Traning metrics

Evaluation Loss Plot

Evaluation score

Évaluation des rapports générés par les modèles d'IA:

Modèle de base (unsloth/gemma-2b-it-bnb-4bit):

  1. Performance de la structuration du rapport: 6/10
  2. Qualité du langage: 7/10
  3. Cohérence: 6/10

Modèle fine tuned (/home/will/LM_summarizer_trainer/model/gemma-Summarizer-2b-it-bnb-4bit):

  1. Performance de la structuration du rapport: 8/10
  2. Qualité du langage: 8/10
  3. Cohérence: 8/10

Score global:

  • Modèle de base: 6.3/10
  • Modèle fine tuned: 8/10

Conclusion:

Le modèle fine tuned a clairement surpassé le modèle de base en termes de structuration du rapport, qualité du langage et cohérence. Le rapport généré par le modèle fine tuned est plus détaillé, plus fluide et mieux organisé. Il offre une meilleure compréhension du sujet et des points clés abordés. En revanche, le modèle de base présente quelques lacunes en termes de structuration et de cohérence. Il pourrait bénéficier d'une amélioration pour être plus précis et informatif. En conséquence, le modèle fine tuned obtient un score global plus élevé et est donc préférable pour la génération de rapports détaillés et de qualité. Evaluation report and scoring

Wandb logs

You can view the training logs .

Training details

training data

  • Dataset : fr-summarizer-dataset
  • Data-size : 7.65 MB
  • train : 1.97k rows
  • validation : 440 rows
  • roles : user , assistant
  • Format chatml "role": "role", "content": "content", "user": "user", "assistant": "assistant"
    *French audio podcast transcription*

Project details

Fine-tuned on French audio podcast transcription data for summarization task. As a result, the model is able to summarize French audio podcast transcription data. The model will be used for an AI application: Report Maker wich is a powerful tool designed to automate the process of transcribing and summarizing meetings. It leverages state-of-the-art machine learning models to provide detailed and accurate reports.

This gemma model was trained 2x faster with Unsloth and Huggingface's TRL library. This gemma was trained with LLM summarizer trainer LLM summarizer trainer