metadata

license: apache-2.0
datasets:
  - maritaca-ai/ag_news_pt
language:
  - pt
metrics:
  - accuracy
library_name: transformers
pipeline_tag: text-classification
tags:
  - hate-speech
widget:
  - text: >-
      Os preços do petróleo do Tearway, derrubar registros e forçar carteiras,
      apresentam uma nova ameaça econômica apenas três meses antes das eleições
      presidenciais dos EUA.
    example_title: Exemplo
  - text: >-
      Quando falamos de Inteligência Artificial, hoje em dia existem já vários
      sistemas que começam a ganhar popularidade, embora nenhum seja ainda tão
      conhecido como o ChatGPT da OpenAI.
    example_title: Exemplo
  - text: >-
      O Sport Club Internacional comunica a permanência do seu Diretor
      Esportivo, Márcio Rodrigues, o Magrão. Com novas atribuições, liderando os
      setores de trabalho do Departamento de Futebol, e a interligação com as
      categorias de base, exercendo uma função de gestão e suporte ao trabalho
      desempenhado pela comissão técnica, grupo de jogadores e staff do Clube.
    example_title: Exemplo
  - text: >-
      Uma conferência da ONU terminou no início do sábado com um plano vago para
      novas negociações informais sobre como diminuir o aquecimento global, mas
      sem um compromisso dos EUA com negociações multilaterais sobre os próximos
      passos, incluindo controles de emissões.
    example_title: Exemplo

TeenyTinyLlama-162m-AgNews

TeenyTinyLlama is a series of small foundational models trained in Brazilian Portuguese.

This repository contains a version of TeenyTinyLlama-162m (TeenyTinyLlama-162m-AgNews) fine-tuned on the AgNews dataset.

Details

Number of Epochs: 3
Batch size: 16
Optimizer: torch.optim.AdamW (learning_rate = 4e-5, epsilon = 1e-8)
GPU: 1 NVIDIA A100-SXM4-40GB

Usage

Using transformers.pipeline:

from transformers import pipeline

text = "Quando falamos de Inteligência Artificial, hoje em dia existem já vários sistemas que começam a ganhar popularidade,\
 embora nenhum seja ainda tão conhecido como o ChatGPT da OpenAI."

classifier = pipeline("text-classification", model="nicholasKluge/TeenyTinyLlama-162m-AgNews")
classifier(text)

# >>>

Reproducing

To reproduce the fine-tuning process, use the following code snippet:


# AgNews
!pip install transformers datasets evaluate accelerate -q

import evaluate
import numpy as np
from datasets import load_dataset, Dataset, DatasetDict
from transformers import AutoTokenizer, DataCollatorWithPadding
from transformers import AutoModelForSequenceClassification, TrainingArguments, Trainer

# Load the task
dataset = load_dataset("maritaca-ai/ag_news_pt")

# Create a `ModelForSequenceClassification`
model = AutoModelForSequenceClassification.from_pretrained(
    "nicholasKluge/TeenyTinyLlama-162m",
    num_labels=4,
    id2label={0: "MUNDO", 1: "ESPORTES", 2: "NEGÓCIOS", 3: "TECNOLOGIA"},
    label2id={"MUNDO": 0, "ESPORTES": 1, "NEGÓCIOS": 2, "TECNOLOGIA": 3}
)

tokenizer = AutoTokenizer.from_pretrained("nicholasKluge/TeenyTinyLlama-162m")

# Format the dataset
train = dataset['train'].to_pandas()
train["text"] = train["title"] + "\n\n" + train["text"]
train.label = train.label.astype(int)
train = Dataset.from_pandas(train)

test = dataset['test'].to_pandas()
test["text"] = test["title"] + "\n\n" + test["text"]
test.label = test.label.astype(int)
test = Dataset.from_pandas(test)

dataset = DatasetDict({
    "train": train,
    "test": test
})

# Preprocess the dataset
def preprocess_function(examples):
    return tokenizer(examples["text"], truncation=True, max_length=256)

dataset_tokenized = dataset.map(preprocess_function, batched=True)

# Create a simple data collactor
data_collator = DataCollatorWithPadding(tokenizer=tokenizer)

# Use accuracy as an evaluation metric
accuracy = evaluate.load("accuracy")

# Function to compute accuracy
def compute_metrics(eval_pred):
    predictions, labels = eval_pred
    predictions = np.argmax(predictions, axis=1)
    return accuracy.compute(predictions=predictions, references=labels)

# Define training arguments
training_args = TrainingArguments(
    output_dir="checkpoints",
    learning_rate=4e-5,
    per_device_train_batch_size=16,
    per_device_eval_batch_size=16,
    num_train_epochs=3,
    weight_decay=0.01,
    evaluation_strategy="epoch",
    save_strategy="epoch",
    load_best_model_at_end=True,
    push_to_hub=True,
    hub_token="your_token_here",
    hub_model_id="username/model-ID",
)

# Define the Trainer
trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=dataset_tokenized["train"],
    eval_dataset=dataset_tokenized["test"],
    tokenizer=tokenizer,
    data_collator=data_collator,
    compute_metrics=compute_metrics,
)

# Train!
trainer.train()

Fine-Tuning Comparisons

Models	AgNews
Teeny Tiny Llama 162m	94.05
Bert-base-portuguese-cased	94.19
Bert-large-portuguese-cased	xx.xx
Gpt2-small-portuguese	94.07

Cite as 🤗


@misc{nicholas22llama,
  doi = {10.5281/zenodo.6989727},
  url = {https://huggingface.co/nicholasKluge/TeenyTinyLlama-162m},
  author = {Nicholas Kluge Corrêa},
  title = {TeenyTinyLlama},
  year = {2023},
  publisher = {HuggingFace},
  journal = {HuggingFace repository},
}

Funding

This repository was built as part of the RAIES (Rede de Inteligência Artificial Ética e Segura) initiative, a project supported by FAPERGS - (Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul), Brazil.

License

TeenyTinyLlama-162m-AgNews is licensed under the Apache License, Version 2.0. See the LICENSE file for more details.