| # SkyTextTiny | |
| SkyTextTiny是由奇点智源发布的中文GPT3预训练模型，参数量30亿左右，可以进行聊天、问答、中英互译等不同的[任务](https://openapi.singularity-ai.com/index.html#/examplesIndex)。 | |
| ## 项目亮点 | |
| 1. 技术优势一 ：30多道流程的数据清洗 | |
| 随着NLP技术的发展，预训练大模型逐渐成为了人工智能的核心技术之一。预训练大模型通常需要海量的文本来进行训练，网络文本自然成为了最重要的语料来源。而训练语料的质量无疑直接影响着模型的效果。为了训练出能力出众的模型，奇点智源在数据清洗时使用了30多道的清洗流程。精益求精的细节处理，铸造了卓越的模型效果。 | |
| 2. 技术优势二：针对中文优化创新的中文编码方式 | |
| 曾经在预训练大模型领域，一直是被英文社区主导着，而中文预训练大模型的重要性不言而喻。不同于英文的拼音文字，中文预训练大模型的中文输入方式显然应该有所不同。奇点智源针对中文的特点，优化创新使用了独特的中文编码方式，更加符合中文的语言习惯，重新构建出更利于模型理解的中文字典。 | |
| # 奇点新闻 | |
| - [2022.12.15] [昆仑天工AIGC发布会](https://live.vhall.com/v3/lives/subscribe/697547540) | |
| ## 依赖 | |
| ``` | |
| 推荐 | |
| transformers>=4.18.0 | |
| ``` | |
| ## 模型使用 | |
| ```python | |
| # -*- coding: utf-8 -*- | |
| from transformers import GPT2LMHeadModel | |
| from transformers import AutoTokenizer | |
| from transformers import TextGenerationPipeline | |
| model = GPT2LMHeadModel.from_pretrained("SkyWork/SkyTextTiny") | |
| tokenizer = AutoTokenizer.from_pretrained("SkyWork/SkyTextTiny", trust_remote_code=True) | |
| text_generator = TextGenerationPipeline(model, tokenizer, device=0) | |
| input_str = "今天是个好天气" | |
| max_new_tokens = 20 | |
| print(text_generator(input_str, max_new_tokens=max_new_tokens, do_sample=True)) | |
| ``` | |
| # 版权许可 | |
| [MIT License] | |