日本語 gpt2 蒸留モデル
このモデルは
rinna/japanese-gpt2-meduimを教師として蒸留したものです。
蒸留には、HuggigFace Transformersの
コードをベースとし、
りんなの訓練コードと組み合わせてデータ扱うよう改造したものを使っています。
学習に関して
学習に当たり、Google Startup Programにて提供されたクレジットを用いました。
a2-highgpu-4インスタンス(A100 x 4)を使って4か月程度、何度かのresumeを挟んで訓練させました。
精度について
Wikipediaをコーパスとし、perplexity 40 程度となります。
rinna/japanese-gpt2-meduim を直接使った場合、27 程度なので、そこまで及びません。
何度か複数のパラメータで訓練の再開を試みたものの、かえって損失が上昇してしまう状態となってしまったので、現状のものを公開しています。
トークナイザについて
トークナイザは rinna/japanese-gpt2-meduim を使ってください。
Japanese GPT-2 model
This model is a dillated model from
rinna/japanese-gpt2-medium.
To train, I combined HuggingFace Transformers
code and
rinna gpt2 train code.
training environment
To train, I used GCP credit offered by Google Startup Progam.
Using a2-highgpu-4 instance (A100 x4), it takes about 4 months with some stopping and resume training.
perplexity
The model gets about 40 perplexity with Wikipedia corpus.
The teacher model rinna/japanese-gpt2-meduim gets about 27 perplexity, so the student model is worse.
tokenizer
The repository don't have tokenizer, so you shoud use rinna/japanese-gpt2-medium.
LICENSE
MIT (same as rinna/japanese-gpt2-medium)
