初始化项目,由ModelHub XC社区提供模型

Model: Atomic-Ai/GPT-Chat-German
Source: Original Platform
This commit is contained in:
ModelHub XC
2026-07-21 03:33:12 +08:00
commit edd4f82ae1
12 changed files with 300867 additions and 0 deletions

35
.gitattributes vendored Normal file
View File

@@ -0,0 +1,35 @@
*.7z filter=lfs diff=lfs merge=lfs -text
*.arrow filter=lfs diff=lfs merge=lfs -text
*.bin filter=lfs diff=lfs merge=lfs -text
*.bz2 filter=lfs diff=lfs merge=lfs -text
*.ckpt filter=lfs diff=lfs merge=lfs -text
*.ftz filter=lfs diff=lfs merge=lfs -text
*.gz filter=lfs diff=lfs merge=lfs -text
*.h5 filter=lfs diff=lfs merge=lfs -text
*.joblib filter=lfs diff=lfs merge=lfs -text
*.lfs.* filter=lfs diff=lfs merge=lfs -text
*.mlmodel filter=lfs diff=lfs merge=lfs -text
*.model filter=lfs diff=lfs merge=lfs -text
*.msgpack filter=lfs diff=lfs merge=lfs -text
*.npy filter=lfs diff=lfs merge=lfs -text
*.npz filter=lfs diff=lfs merge=lfs -text
*.onnx filter=lfs diff=lfs merge=lfs -text
*.ot filter=lfs diff=lfs merge=lfs -text
*.parquet filter=lfs diff=lfs merge=lfs -text
*.pb filter=lfs diff=lfs merge=lfs -text
*.pickle filter=lfs diff=lfs merge=lfs -text
*.pkl filter=lfs diff=lfs merge=lfs -text
*.pt filter=lfs diff=lfs merge=lfs -text
*.pth filter=lfs diff=lfs merge=lfs -text
*.rar filter=lfs diff=lfs merge=lfs -text
*.safetensors filter=lfs diff=lfs merge=lfs -text
saved_model/**/* filter=lfs diff=lfs merge=lfs -text
*.tar.* filter=lfs diff=lfs merge=lfs -text
*.tar filter=lfs diff=lfs merge=lfs -text
*.tflite filter=lfs diff=lfs merge=lfs -text
*.tgz filter=lfs diff=lfs merge=lfs -text
*.wasm filter=lfs diff=lfs merge=lfs -text
*.xz filter=lfs diff=lfs merge=lfs -text
*.zip filter=lfs diff=lfs merge=lfs -text
*.zst filter=lfs diff=lfs merge=lfs -text
*tfevents* filter=lfs diff=lfs merge=lfs -text

158
README.md Normal file
View File

@@ -0,0 +1,158 @@
---
license: mit
language:
- de
base_model: kkirchheim/german-gpt2-medium
tags:
- german
- gpt2
- gpt2-medium
- reasoning
- chain-of-thought
- sft
- full-finetuning
pipeline_tag: text-generation
datasets:
- Atomic-Ai/GPT-Think
---
# 🧠 German GPT-2 Medium Reasoning Edition (Full SFT)
Dieses Modell ist eine vollständig feinabgestimmte ("Full Fine-Tuned") Version von [kkirchheim/german-gpt2-medium](https://huggingface.co/kkirchheim/german-gpt2-medium). Es wurde auf **über 50 MB** deutschsprachigen Textdaten trainiert, die auf **logisches Denken und Chain-of-Thought-Reasoning** ausgerichtet sind.
> ⚠️ **Dieses Modell ist ausschließlich auf Deutsch trainiert.** Englische Eingaben werden wahrscheinlich nicht korrekt verarbeitet.
## 💡 Besonderheiten
* **Reasoning-Fähigkeit:** Das Modell generiert einen internen Denkprozess (`<think>...</think>`), bevor es antwortet ähnlich wie Chain-of-Thought-Prompting.
* **GPT-2 Medium Basis:** Mit ~355M Parametern deutlich leistungsfähiger als die Small-Variante (124M).
* **Full Fine-Tuning:** Keine Adapter (LoRA etc.) 100% der Parameter wurden auf den Reasoning-Datensatz angepasst.
* **100% Deutsch:** Trainiert ausschließlich auf deutschen Daten. Englisch wird nicht unterstützt.
## 📝 Prompt-Format (Wichtig!)
Das Modell erwartet eine strikte Eingabestruktur. Wenn dieses Format nicht eingehalten wird, funktioniert die Reasoning-Funktion möglicherweise nicht.
```text
<user> Deine Frage hier <End> <AI Assistent>
```
Das Modell wird dann einen `<think>`-Block generieren, ihn mit `</think>` schließen und anschließend die endgültige Antwort ausgeben. Die Generierung stoppt automatisch beim `<End>`-Token oder wenn das Modell versucht, eine neue `<user>`-Runde zu starten.
## 💻 Nutzung
### Einfache Nutzung
```python
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model_name = "Atomic-Ai/GPT-Chat-German"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32
)
device = "cuda" if torch.cuda.is_available() else "cpu"
model = model.to(device)
def generate_response(user_input):
prompt = f"<user> {user_input} <End> <AI Assistent>"
inputs = tokenizer(prompt, return_tensors="pt").to(device)
with torch.no_grad():
output_ids = model.generate(
**inputs,
max_new_tokens=1024,
do_sample=True,
temperature=0.7,
top_p=0.9,
repetition_penalty=1.2,
pad_token_id=tokenizer.eos_token_id,
eos_token_id=[
tokenizer.eos_token_id,
tokenizer.convert_tokens_to_ids("<user>")
]
)
full_output = tokenizer.decode(output_ids[0], skip_special_tokens=False)
# Antwort nach dem <AI Assistent> Tag extrahieren
if "<AI Assistent>" in full_output:
response = full_output.split("<AI Assistent>")[-1]
else:
response = full_output
# Bereinigung
response = response.replace("<End>", "").replace("<user>", "").strip()
return response
print(generate_response("Was ist die Hauptstadt von Deutschland?"))
```
### Interaktiver Chat
```python
# Nach dem Laden des Modells (siehe oben):
while True:
user_input = input("Du: ")
if user_input.lower() in ["exit", "quit", "ende"]:
print("👋 Tschüss!")
break
print(f"Bot: {generate_response(user_input)}\n")
```
## ⚙️ Trainings-Details
Das Training wurde auf einer **NVIDIA T4 GPU** mit Mixed Precision (FP16) durchgeführt.
| Parameter | Wert |
| :--- | :--- |
| **Base Model** | kkirchheim/german-gpt2-medium (~355M Parameter) |
| **Methode** | Full Fine-Tuning (100% Parameter) |
| **Trainingsdaten** | ~50 MB kuratierter deutscher Text (Reasoning-fokussiert) |
| **Epochen** | 1 |
| **Batch Size** | 4 |
| **Gradient Accumulation** | 2 (effektive Batch Size: 8) |
| **Max Sequence Length** | 512 Token |
| **Learning Rate** | 5e-5 |
| **Scheduler** | Linear mit 3% Warmup |
| **Optimizer** | AdamW (Fused) |
| **Precision** | FP16 (Mixed Precision) |
| **Weight Decay** | 0.01 |
### 📉 Trainingsverlauf (Loss)
| Step | Loss |
| :--- | :--- |
| 1450 | 1.188 |
| 1500 | 1.063 |
| 1550 | 1.155 |
| 1600 | 1.124 |
| 1650 | 1.125 |
| 1700 | 1.109 |
| 1750 | 1.099 |
| 1800 | 1.063 |
Der Loss konvergiert stabil im Bereich von **~1.061.19**, was auf ein gut angepasstes Modell ohne starkes Overfitting hindeutet.
### Special Tokens
| Token | Funktion |
| :--- | :--- |
| `<user>` | Markiert den Beginn der Nutzereingabe |
| `<AI Assistent>` | Markiert den Beginn der Modellantwort |
| `<think>` / `</think>` | Umschließt den internen Denkprozess |
| `<End>` | End-of-Sequence Token |
## ⚠️ Limitierungen
* **Nur Deutsch:** Das Modell wurde ausschließlich auf deutschen Daten trainiert. Englische oder mehrsprachige Eingaben führen zu schlechten Ergebnissen.
* **Kontextfenster:** Begrenzt auf 1024 Token (GPT-2 Architektur).
* **Modellgröße:** Trotz Medium-Variante (~355M) ist die Kapazität für komplexes Weltwissen begrenzt.
* **Reasoning:** Der Chain-of-Thought-Ansatz verbessert die Antwortqualität, kann aber bei sehr einfachen Fragen unnötig ausführlich sein.
---
*Erstellt mit Liebe und viel GPU-Power. 🚀*

8
added_tokens.json Normal file
View File

@@ -0,0 +1,8 @@
{
"</think>": 50270,
"<AI Assistent>": 50268,
"<End>": 50267,
"<think>": 50269,
"<user>": 50266,
"<|endoftext|>": 50265
}

40
config.json Normal file
View File

@@ -0,0 +1,40 @@
{
"activation_function": "gelu_new",
"architectures": [
"GPT2LMHeadModel"
],
"attn_pdrop": 0.1,
"bos_token_id": 50256,
"dtype": "float32",
"embd_pdrop": 0.1,
"eos_token_id": 50256,
"initializer_range": 0.02,
"layer_norm_epsilon": 1e-05,
"model_type": "gpt2",
"n_ctx": 2048,
"n_embd": 1024,
"n_head": 16,
"n_inner": null,
"n_layer": 24,
"n_positions": 2048,
"n_special": 0,
"predict_special_tokens": true,
"reorder_and_upcast_attn": false,
"resid_pdrop": 0.1,
"scale_attn_by_inverse_layer_idx": false,
"scale_attn_weights": true,
"summary_activation": null,
"summary_first_dropout": 0.1,
"summary_proj_to_labels": true,
"summary_type": "cls_index",
"summary_use_proj": true,
"task_specific_params": {
"text-generation": {
"do_sample": true,
"max_length": 50
}
},
"transformers_version": "4.57.1",
"use_cache": false,
"vocab_size": 50271
}

6
generation_config.json Normal file
View File

@@ -0,0 +1,6 @@
{
"_from_model_config": true,
"bos_token_id": 50256,
"eos_token_id": 50256,
"transformers_version": "4.57.1"
}

50005
merges.txt Normal file

File diff suppressed because it is too large Load Diff

3
model.safetensors Normal file
View File

@@ -0,0 +1,3 @@
version https://git-lfs.github.com/spec/v1
oid sha256:5ee5226ba08c647f95f9a948bc90de30cb837448fd3b2643298ebc9266e45f25
size 1423574528

60
special_tokens_map.json Normal file
View File

@@ -0,0 +1,60 @@
{
"additional_special_tokens": [
{
"content": "<user>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
{
"content": "<AI Assistent>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
{
"content": "<think>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
{
"content": "</think>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
}
],
"bos_token": {
"content": "<|endoftext|>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
"eos_token": {
"content": "<End>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
"pad_token": {
"content": "<pad>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
},
"unk_token": {
"content": "<|endoftext|>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false
}
}

250434
tokenizer.json Normal file

File diff suppressed because it is too large Load Diff

114
tokenizer_config.json Normal file
View File

@@ -0,0 +1,114 @@
{
"add_prefix_space": false,
"added_tokens_decoder": {
"0": {
"content": "<s>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"1": {
"content": "<pad>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"2": {
"content": "</s>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"3": {
"content": "<unk>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"4": {
"content": "<mask>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50265": {
"content": "<|endoftext|>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50266": {
"content": "<user>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50267": {
"content": "<End>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50268": {
"content": "<AI Assistent>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50269": {
"content": "<think>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
},
"50270": {
"content": "</think>",
"lstrip": false,
"normalized": false,
"rstrip": false,
"single_word": false,
"special": true
}
},
"additional_special_tokens": [
"<user>",
"<AI Assistent>",
"<think>",
"</think>"
],
"bos_token": "<|endoftext|>",
"clean_up_tokenization_spaces": false,
"eos_token": "<End>",
"extra_special_tokens": {},
"max_length": 256,
"model_max_length": 1000000000000000019884624838656,
"pad_to_multiple_of": null,
"pad_token": "<pad>",
"pad_token_type_id": 0,
"padding_side": "right",
"stride": 0,
"tokenizer_class": "GPT2Tokenizer",
"truncation_side": "right",
"truncation_strategy": "longest_first",
"unk_token": "<|endoftext|>"
}

3
training_args.bin Normal file
View File

@@ -0,0 +1,3 @@
version https://git-lfs.github.com/spec/v1
oid sha256:f990d10d9a996cd02b29102dba3ce889623b631bdce9b82479c5d02b7e6e5868
size 5841

1
vocab.json Normal file

File diff suppressed because one or more lines are too long