Delete adem.python
Browse files- adem.python +0 -27
adem.python
DELETED
@@ -1,27 +0,0 @@
|
|
1 |
-
de transformadores importe GPT2LMHeadModel, GPT2Tokenizer, TextDataset, DataCollatorForLanguageModeling
|
2 |
-
de transformadores importan Entrenador, TrainingArguments
|
3 |
-
# Cargar el tokenizador y el modelo
|
4 |
-
tokenizador = GPT2Tokenizer.from_pretrained('gpt2')
|
5 |
-
modelo = GPT2LMHeadModel.from_pretrained('gpt2')
|
6 |
-
# Ejemplo de datos de entrenamiento (necesitarás un conjunto de datos mucho más grande)
|
7 |
-
train_data = [" Texto de ejemplo 1. ", " Texto de ejemplo 2. ", " Texto de ejemplo 3. "]
|
8 |
-
# Preparar el conjunto de datos
|
9 |
-
train_encodings = tokenizer(train_data, truncamiento=Verdadero, relleno=Verdadero)
|
10 |
-
train_dataset = TextDataset(train_encodings)
|
11 |
-
# Configuración de entrenamiento
|
12 |
-
Training_args = Argumentos de entrenamiento(
|
13 |
-
output_dir='./AdemGPT_model', # directorio de salida
|
14 |
-
overwrite_output_dir=Verdadero,
|
15 |
-
num_train_epochs=3,
|
16 |
-
per_device_train_batch_size=4,
|
17 |
-
guardar_pasos = 500,
|
18 |
-
save_total_limit=2
|
19 |
-
)
|
20 |
-
# Entrenamiento del modelo
|
21 |
-
entrenador = entrenador (
|
22 |
-
modelo = modelo,
|
23 |
-
args=args_entrenamiento,
|
24 |
-
data_collator=DataCollatorForLanguageModeling(tokenizer=tokenizador),
|
25 |
-
train_dataset=entren_dataset
|
26 |
-
)
|
27 |
-
entrenador.entren()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|