Create README.md

README.md

@@ -0,0 +1,119 @@
+---
+language:
+- ru
+metrics:
+- rouge
+widget:
+- text: >-
+    Эксперты журнала Shape рассказали о трех упражнениях для избавления от
+    головокружений. Рекомендации приведены на  сайте  издания. Специалисты
+    отметили, что если головокружения возникают регулярно и без причины, то это
+    может говорить о ряде сбоев в организме, таких как заболевания внутреннего
+    уха. В таком случае необходимо обратиться к врачу. Однако если голова
+    кружится в транспорте или вследствие стресса, то исправить это можно
+    благодаря тренировкам вестибулярного аппарата. Эксперты Shape посоветовали
+    выполнять приседания с медболом. «Встаньте прямо, ноги чуть шире плеч, спина
+    прямая. Возьмите в руки медбол. Выполните приседание со скручиванием
+    корпуса, на выдохе вытянитесь вверх, скручиваясь в противоположную сторону»,
+    — пояснили они. Также, по словам специалистов, помогут скручивания на
+    фитболе: «Лягте спиной на мяч, ноги согните в коленях, руки — за головой,
+    локти в стороны. Отрывая лопатки от фитбола, поочередно скручивайте корпус
+    влево-вправо». Третье упражнение — TRX-отжимания с использованием
+    специальных лент-подвесов. «Стоя возьмитесь за рукоятки TRX и, выпрямив
+    руки, плавно перенесите на них вес тела, наклоняясь вперед. Корпус и ноги
+    должны оставаться прямыми и образовывать одну линию», — рассказали эксперты.
+    Ранее тренер по фитнесу  Андрей Прокофьев   назвал  простые упражнения для
+    пробуждения организма. Эксперт посоветовал делать вакуум, а также отведение
+    ног в сторону и назад.
+model-index:
+- name: i-k-a/my_lenta_model_ru_mt5-base_4_epochs
+  results:
+  - task:
+      type: summarization
+      name: Summarization
+    dataset:
+      name: lenta.ru
+      type: csv
+    metrics:
+    - name: ROUGE-1
+      type: rouge
+      value: 0.1302
+    - name: ROUGE-2
+      type: rouge
+      value: 0.0342
+    - name: ROUGE-L
+      type: rouge
+      value: 0.1315
+    - name: ROUGE-LSUM
+      type: rouge
+      value: 0.1309
+    - name: ValidationLoss
+      type: ValidationLoss
+      value: 0.619004
+    - name: gen_len
+      type: gen_len
+      value: 19
+tags:
+- summary
+- russian
+- mt5-base
+---
+# Model Card for Model ID
+
+This model trained to summarize news post. Trained on data grabbed from russian news site Lenta.ru.
+
+Модель обучена суммаризации новостных статей. Обучение проводилось на данных, полученных с русского новостного сайта Lenta.ru.
+
+## Model Details
+
+### Model Description
+
+<!-- Provide a longer summary of what this model is. -->
+- **Developed by:** [i-k-a](https://huggingface.co/i-k-a)
+- **Shared by [optional]:** [i-k-a](https://huggingface.co/i-k-a)
+- **Model type:** Transformer Text2Text Generation
+- **Language(s) (NLP):** Russian
+- **Finetuned from model [optional]:** mT5-base
+
+### Model Sources [optional]
+
+<!-- Provide the basic links for the model. -->
+- **Repository:** [link](https://huggingface.co/i-k-a/my_lenta_model_ru_mt5-base_4_epochs/tree/main)
+
+## How to Get Started with the Model
+
+Use code below to infer model.
+
+Используйте код ниже для запуска модели.
+
+```python
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+MAX_NEW_TOKENS=400
+MODEL_DIR='i-k-a/my_lenta_model_ru_mt5-base_4_epochs'
+text = input('Введите текст:')
+tokenizer = AutoTokenizer.from_pretrained(MODEL_DIR)
+model = AutoModelForSeq2SeqLM.from_pretrained(MODEL_DIR)
+inputs = tokenizer(text, return_tensors="pt").input_ids
+outputs = model.generate(inputs, max_new_tokens=MAX_NEW_TOKENS, do_sample=False)
+result = tokenizer.decode(outputs[0], skip_special_tokens=True)
+print(f'Резюме от нейросети: "{result}"\n\nИсходный текст: "{text}"')
+```
+
+## Training Details
+
+Model trained 4 epochs. Length of input text is cut to 1024 tokens. Output is 400 tokens.
+Trained using Google Colab resources.
+
+## Technical Specifications [optional]
+
+### Model Architecture and Objective
+google/mt5-base
+
+### Compute Infrastructure
+Google Colab
+
+#### Hardware
+Google Colab T4 GPU
+
+#### Software
+Python