معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

convmodel provides a conversation model based on decoders models.

ویژگی	مقدار
سیستم عامل	-
نام فایل	convmodel-0.3.0
نام	convmodel
نسخه کتابخانه	0.3.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Colorful Scoop
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/colorfulscoop/convmodel
آدرس اینترنتی	https://pypi.org/project/convmodel/
مجوز	-

# convmodel ![](https://github.com/colorfulscoop/convmodel/workflows/unittest/badge.svg) **convmodel** provides a conversation model based on [transformers](https://github.com/huggingface/transformers) GPT-2 model :wink: :sparkles: Features :sparkles: * Utilizes GPT2 model to generate response * Handles multi-turn conversation * Provides useuful interfaces to fine-tune model and generate a response from a given context A simple example of fine-tune GPT-2 model and generate a response: ```py from convmodel import ConversationModel from convmodel import ConversationExample # Load model on GPU model = ConversationModel.from_pretrained("gpt2") # Define training/validation examples train_iterator = [ ConversationExample(conversation=[ "Hello", "Hi, how are you?", "Good, thank you, how about you?", "Good, thanks!" ]), ConversationExample(conversation=[ "I am hungry", "How about eating pizza?" ]), ] valid_iterator = [ ConversationExample(conversation=[ "Tired...", "Let's have a break!", "Nice idea!" ]), ] # Fine-tune model model.fit(train_iterator=train_iterator, valid_iterator=valid_iterator) # Generate response model.generate(context=["Hello", "How are you"], do_sample=True, top_p=0.95, top_k=50) # Output could be like below if sufficient examples were given. # => ConversationModelOutput(responses=['Good thank you'], context=['Hello', 'How are you']) ``` Please refer to [document](docs/en/docs/index.md) for more details of installation, model architecture and usage. * [Install](docs/en/docs/install.md) * [Model Architecture Overview](docs/en/docs/model_architecture_overview.md) * [Model Training](docs/en/docs/model_training.md) * [Response Generation](docs/en/docs/response_generation.md) * [CLI (Experimental)](docs/en/docs/cli.md) Enjoy talking with your conversational AI :wink:

نحوه نصب

نصب پکیج whl convmodel-0.3.0:

pip install convmodel-0.3.0.whl

نصب پکیج tar.gz convmodel-0.3.0:

pip install convmodel-0.3.0.tar.gz