Mook21

gpt2-medium-football-commentary

Deploy Dedicated

Dedicated Endpoints

Run this model inference on single tenant GPU with unmatched speed and reliability at scale.

Learn more

Container

Run this model inference with full control and performance in your environment.

Learn more

Get help setting up a custom Dedicated Endpoints.

Talk with our engineer to get a quote for reserved GPU instances with discounts.

README

Использование

python
from transformers import GPT2LMHeadModel, GPT2Tokenizer

repo = "Mook21/gpt2-medium-football-commentary"
tok = GPT2Tokenizer.from_pretrained(repo)
model = GPT2LMHeadModel.from_pretrained(repo)

inputs = tok("In the 90th minute", return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=80, do_sample=True,
                     temperature=0.9, top_p=0.95, top_k=50,
                     pad_token_id=tok.eos_token_id)
print(tok.decode(out[0], skip_special_tokens=True))

Метрики (валидация)

Table
Метрика	Базовая GPT-2 Medium	Эта модель
Perplexity ↓	6.41	1.57
BLEU ↑	0.0187	0.6323
MOS (1..5) ↑	2.91	4.48

Данные и обучение

Данные: Football Events — 941 009 событий из 9074 матчей топ-5 европейских лиг (2011–2017).
Корпус собран по матчам (заголовок + хронология событий + <|endoftext|>), токенизирован в поток и нарезан на блоки по 256.
Обучение: Causal LM, 3 эпохи, batch 8 × grad_accum 4, lr 5e-5, fp16, GPU Tesla T4.

Ограничения

Модель генерирует события внутри матча, но не моделирует структуру матча целиком.
В именах с диакритикой возможны единичные артефакты кодировки исходных данных (приведены к латинской транслитерации).

Model provider

Mook21

Model tree

Base

openai-community/gpt2-medium

Fine-tuned

this model

Modalities

Input

Text

Output

Text