metadata
license: apache-2.0
widget:
- text: >-
Қазақстан Еуразия құрлығының орталығында орналасқан және аумақтың көлемі
бойынша (жер шарының бетінде 2%) әлемде тоғызыншы орынға ие. Қазақстан
аумағы бүкіл Батыс Еуропадан үлкен. Қазақстан жер көлемі жөнінен дүние
жүзінде нешінші орында?
example_title: example 1
- text: >-
Қар ұсақ мұз кристалдарынан тұрады. Қар деп атмосфералық жауын-шашынды
айтады. Қар деген не?
example_title: example 2
- text: >-
Абай ақын туралы 4 томдық "Абай жолы" романы жазылған. Бұл романның авторы
Мұхтар Әуезов. Бұл кітаптарда бала Абайдың тұлға, әрі болашақ ақын болып
қалыптасқанға дейінгі уақыттар кезеңдермен жазылған. «Абай жолы» романын
жазған кім?
example_title: example 3
language:
- kk
Model Details
- Base: mt5
- Developed by: Aldiyar Saken, Sultaniyar Quandyq, Alibek Kamiluly, Kurmash Apayev and Aliya Nugumanova.
Model Description
This model is based on the google/mt5-large model. The model was fine-tuned on a Kazakh language version of the Stanford Question Answering Dataset (SQuAD) using 30,000 samples.
Inference
from transformers import T5Tokenizer, T5TokenizerFast
from transformers import T5ForConditionalGeneration
import sentencepiece
tokenizer = T5Tokenizer.from_pretrained("Kyrmasch/t5-kazakh-qa")
model = T5ForConditionalGeneration.from_pretrained("Kyrmasch/t5-kazakh-qa")
context = "Қазақстан Еуразия құрлығының орталығында орналасқан және аумақтың көлемі бойынша (жер шарының бетінде 2%) әлемде тоғызыншы орынға ие. Қазақстан аумағы бүкіл Батыс Еуропадан үлкен."
question = "Қазақстан жер көлемі жөнінен дүние жүзінде нешінші орында?"
encoded = tokenizer.encode_plus(context, question, max_length=128, pad_to_max_length=True, truncation=True, return_tensors="pt")
input_ids = encoded["input_ids"].to('cpu')
attention_mask = encoded["attention_mask"].to('cpu')
output = model.generate(input_ids=input_ids, attention_mask=attention_mask, max_length=128)
answer = ''.join([tokenizer.decode(ids, skip_special_tokens=True) for ids in output])