README.md

---
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