Differences

This shows you the differences between two versions of the page.

--- dod [2023/11/16 20:03]
rosa [DOD v listopadu 2023]
+++ dod [2024/11/13 13:58] (current)
rosa [DOD v listopadu 2023] code
@@ Line 1: / Line 1: @@
 ====== Den otevřených dveří ======
 Stránka pro sdílení know-how o prezentaci ÚFALu na Dnech otevřených dveří (a podobných akcích).
+===== Poznámky pro budoucnost =====
+  * chce to sexy název, například "Jak funguje ChatGPT?"
+  * chceme zkusit mít stánek na chodbě ve 2. patře před kanclem a ne uvnitř kanclu
+  * chceme si pořídit velkou plyšovou lamu a mít ji na stánku :-) 🦙
 ===== 2023 =====
@@ Line 10: / Line 17: @@
   * stánek
     * Rudolf Rosa, Patrícia Schmidtová, Zdeněk Kasner
-    * v některém ÚFALím kanclu, asi N 231 🐬
+    * v ÚFALím kanclu N 231 🐬
     * dema
       * Generování poezie
         * https://huggingface.co/jinymusim/gpt-czech-poet
-        * Buď přímo přes huggingface anebo asi pustit vzdáleně v terminálu interaktivně? (Nezkoušel jsem to, ale věřím že když  copy-pastnu ten sample python kód z té stránky tak nebude problém to na nějakém gpu stroji rozběhat.)
+        * Buď přímo přes huggingface (ale tam se naráží na limity)
+        * Anebo na nějakém solu v terminálu, třebas takto: https://github.com/ufal/dod/blob/main/gpt-czech-poet-userfriendly.py
+        * Povídání k tomu: https://docs.google.com/document/d/15Gd79Kdx70OavSctt7z7BK40v27F8PLWO40t5QJZlO0/edit?usp=sharing
       * Generování textu s hlasovým vstupem a výstupem
         * https://quest.ms.mff.cuni.cz/nlg/text-generation-webui/
+        * Hlavní zábava: persony (odskrollovat níže a vybrat kliknutím na obrázek)
       * Sčítání a odčítání word embeddings
-        * ''ssh sol3; cd /home/musil/lnet_work_musil/emb_ar; python3 emb_arithm.py cnk_lemma_norm_embs_ar.pkl --history ~/my_history_file.txt''
+        * spuštění například:
-        * Ve složce ''/home/musil/lnet_work_musil/emb_ar'' je skript emb_arithm.py , kterému se dá jako argument soubor s embeddingy v mém vlastním formátu. Načte to během pár desítek vteřin seznam embeddingů + ball tree, který dokáže efektivně hledat nejbližší sousedy v řádu nízkých jednotek sekund (v závistlosti na množství a velikosti embeddingů).
+          * <code>srun -p cpu-troja,cpu-ms --mem=50G --cpus-per-task=8 --pty bash</code>
-        * Potřebuje to numpy a sklearn a pro větší modely běžet aspoň na solu
+          * <code>cd /home/musil/lnet_work_musil/emb_ar</code>
-        * jsou tam k tomu různé české embeddingy, nejlíp se mi zatím osvědčil soubor ''cnk_lemma_norm_embs_ar.pkl'', což jsou nějaké staré embeddingy na ČNK syn4, které mají dimenzi jenom 100; nové embeddingy na syn9 s větší dimenzí kupodivu nefungují tak pěkně
+          * <code>python3 emb_arithm.py syn9_w15_lemma.pkl --history ~/my_history_file.txt</code>
-        * a taky si ten skript pamatuje historii (pohybuje se v ní normálně šipkou nahoru a dolu) a když mu dáte v --history  nějaký file, tak si v něm bude historii udržovat i mezi běhy
+        * dobré příklady např.:
-        * (což bych na DOD doporučil, můžeme pak z té historie vybrat nějaké zajímavé examples, co zájemci o studium vymyslí)
+          * pes - kost + myš
-        * ty embeddingy, které mají v názvu 'lemma' jsou na lemmatech, což mi přijde lepší, protože pak ve výstupu není opakované totéž v různých tvarech; ale zase se na nich nedají předvádět morfologické analogie
+          * vodka - Rusko + Česko
-        * mimochodem, ve výstupu vynechávám slova z promptu, kdyby se někdo třeba divil, jaktože 'pes' není nejbližší sám sobě
+          * Hitler - Německo + Rusko
+          * škola - učitel + lékař
+        * k vysvětlení např Tomášovy slajdy
+          * http://tomasm.cz/slides/lmph/slides.pdf
+        * Detailnější pokyny od TM:
+          * Ve složce ''/home/musil/lnet_work_musil/emb_ar'' je skript emb_arithm.py , kterému se dá jako argument soubor s embeddingy v mém vlastním formátu. Načte to během pár desítek vteřin seznam embeddingů + ball tree, který dokáže efektivně hledat nejbližší sousedy v řádu nízkých jednotek sekund (v závistlosti na množství a velikosti embeddingů).
+          * Potřebuje to numpy a sklearn a pro větší modely běžet aspoň na solu
+          * jsou tam k tomu různé české embeddingy, nejlíp se mi zatím osvědčil soubor ''cnk_lemma_norm_embs_ar.pkl'', což jsou nějaké staré embeddingy na ČNK syn4, které mají dimenzi jenom 100; nové embeddingy na syn9 s větší dimenzí kupodivu nefungují tak pěkně
+          * a taky si ten skript pamatuje historii (pohybuje se v ní normálně šipkou nahoru a dolu) a když mu dáte v --history  nějaký file, tak si v něm bude historii udržovat i mezi běhy
+          * (což bych na DOD doporučil, můžeme pak z té historie vybrat nějaké zajímavé examples, co zájemci o studium vymyslí)
+          * ty embeddingy, které mají v názvu 'lemma' jsou na lemmatech, což mi přijde lepší, protože pak ve výstupu není opakované totéž v různých tvarech; ale zase se na nich nedají předvádět morfologické analogie
+          * mimochodem, ve výstupu vynechávám slova z promptu, kdyby se někdo třeba divil, jaktože 'pes' není nejbližší sám sobě
       * Generování divadelních her
         * https://theaitre.com/demo
-        * pokud ho rozběhnu
+        * https://ufallab.ms.mff.cuni.cz/cgi-bin/rosa/theaitre-demo/demo.py
+        * běží, mám dojem že je to nějak horší než to bývalo, ale těžko říct
       * Generování příběhů
         * https://ufal.mff.cuni.cz/AIvK/exponat/sekce/pribehy/

[ Back to the navigation ] [ Back to the content ]

Institute of Formal and Applied Linguistics Wiki

Differences