File size: 1,788 Bytes
c86a6b4
 
 
 
 
 
 
 
56a8560
c86a6b4
 
 
 
d28b0f4
c86a6b4
1f47e68
 
 
 
1586681
 
 
 
c75d068
 
 
 
c86a6b4
 
 
 
 
 
 
 
 
32d3205
c86a6b4
 
 
 
d28b0f4
c86a6b4
1f47e68
 
 
 
1586681
 
 
 
c75d068
 
 
 
c86a6b4
 
 
 
 
 
 
 
 
 
32d3205
c86a6b4
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
---
language: ja
license: cc-by-sa-4.0
datasets:
- wikipedia
- cc100
widget:
- text: 天気予報によれば明日は
- text: 私の今日の昼飯は
- text: サッカー日本代表はベルギーに
- text: 日本人サッカー選手が W 杯で
---

## GPT2 Japanese base model version 2

### Prerequisites

transformers==4.19.2

### Model architecture

This model uses GPT2 base setttings except vocabulary size.

### Tokenizer

Using BPE tokenizer with vocabulary size 60,000.

### Training Data 

* [wiki40b/ja](https://www.tensorflow.org/datasets/catalog/wiki40b#wiki40bja) (Japanese Wikipedia)
* Subset of [CC-100/ja](https://data.statmt.org/cc-100/) : Monolingual Datasets from Web Crawl Data

### Usage

```python
from transformers import pipeline
generator = pipeline('text-generation', model='ClassCat/gpt2-base-japanese-v2')
generator("今度の連休の天気は", max_length=50, num_return_sequences=5)
```


## (Japanese description) GPT2 日本語 ベースモデル・バージョン 2

### 前提条件

transformers==4.19.2

### モデル・アーキテクチャ

このモデルは GPT2 ベースモデルの設定を (語彙サイズ以外は) 使用しています。

### トークナイザー

語彙サイズ 60,000 の BPE トークナイザーを使用しています。

### 訓練データ

* [wiki40b/ja](https://www.tensorflow.org/datasets/catalog/wiki40b#wiki40bja) (日本語 Wikipedia)
* [CC-100/ja](https://data.statmt.org/cc-100/) のサブセット : Web クロールデータからの単一言語データセット。


### 使用方法

```python
from transformers import pipeline
generator = pipeline('text-generation', model='ClassCat/gpt2-base-japanese-v2')
generator("今度の連休の天気は", max_length=50, num_return_sequences=5)
```