{"id":349663,"date":"2023-07-02T09:01:54","date_gmt":"2023-07-02T09:01:54","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=349663"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=349663","title":{"rendered":"RuGPT3. \u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0446\u0438\u043a\u043b\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u043c<\/span>"},"content":{"rendered":"
<\/div>\n
\n
\n
\n
\n

RuGPT3 — \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043e\u0442 \u0421\u0431\u0435\u0440
\u041f\u0440\u043e\u0432\u043e\u0434\u0438\u043c \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0446\u0438\u043a\u043b\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u043c \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432<\/p>\n

<\/figure>\n

\u0420\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0432 Colab, \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c Small, Mediub, Large.
\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u043d\u043e \u043d\u0435\u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u044b — \u044d\u0442\u043e \u043f\u0435\u0440\u0432\u044b\u0439 \u0437\u0430\u0445\u043e\u0434, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0438\u0441\u0445\u043e\u0434\u043d\u0443\u044e \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e \u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c \u043f\u043e \u043c\u0435\u0440\u0435 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f.
\u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0440\u0435\u043f\u043b\u0438\u043a \u0442\u043e\u0436\u0435 \u043d\u0435 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u0441\u044f. \u041d\u0438 \u0430\u0431\u0437\u0430\u0446\u044b, \u043d\u0438 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u044f — \u043d\u0438\u0447\u0435\u0433\u043e, \u0442\u043e\u043b\u044c\u043a\u043e \u0443\u0434\u0430\u043b\u044f\u044e\u0442\u0441\u044f \u0437\u043d\u0430\u043a\u0438 \u043f\u0435\u0440\u0435\u043d\u043e\u0441\u0430 \u0441\u0442\u0440\u043e\u043a\u0438, \u0435\u0441\u043b\u0438 \u0438\u0445 \u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0440\u044f\u0434.<\/p>\n

\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f<\/h2>\n

\u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0435\u0440\u0435\u0431\u043e\u0440<\/strong>
10 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432
3 \u043c\u043e\u0434\u0435\u043b\u0438: Small, Medium, Large
\u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043d\u0430\u0431\u043e\u0440\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432\u043d\u0443\u0442\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438
\u0420\u0435\u043f\u043b\u0438\u043a\u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u0432 \u0433\u0443\u0433\u043b-\u0442\u0430\u0431\u043b\u0438\u0446\u0435<\/p>\n

\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b<\/h2>\n

max_length
<\/strong>\u041c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0434\u043b\u0438\u043d\u0430
\u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430\u0431\u043e\u0440 max_length = [20, 50, 100, 200]<\/p>\n

Greedy search
<\/strong>\u0410\u0440\u0433\u043c\u0430\u043a\u0441\u043d\u0430\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f. \u00ab\u0416\u0430\u0434\u043d\u0430\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f\u00bb
\u041a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0437 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043a\u0435\u043d, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c.<\/p>\n

Beam search
<\/strong>num_beams — \u043a\u043e\u043b-\u0432\u043e \u043f\u0443\u0442\u0435\u0439 \u0441 \u043d\u0430\u0438\u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u043d\u0435\u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c\u0438 \u0438\u0442\u043e\u0433\u043e\u0432\u044b\u043c\u0438 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u043d\u044b\u043c\u0438 \u0441\u043e\u0447\u0435\u0442\u0430\u043d\u0438\u044f\u043c\u0438
\u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 num_beams = 5
num_return_sequences — \u043a\u043e\u043b-\u0432\u043e \u043b\u0443\u0447\u0448\u0438\u0445 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430 \u0432\u044b\u0432\u043e\u0434
\u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 num_return_sequences = 3<\/p>\n

Temperature sampling
<\/strong>\u00ab\u0422\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0430\u00bb
\u041c\u043e\u0436\u043d\u043e \u0442\u0440\u0430\u043a\u0442\u043e\u0432\u0430\u0442\u044c \u043a\u0430\u043a \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u0432\u044b\u0431\u043e\u0440 \u0441 \u0443\u0447\u0435\u0442\u043e\u043c \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439.
\u0427\u0435\u043c \u0431\u043b\u0438\u0436\u0435 \u043a \u043d\u0443\u043b\u044e, \u0442\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 Greedy Search \u0438\u043b\u0438 \u00ab\u0436\u0430\u0434\u043d\u0443\u044e \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e\u00bb.
\u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430\u0431\u043e\u0440 temperature = [0.8, 1.3, 2.0]<\/p>\n

Nucleus sampling
<\/strong>\u0414\u043b\u044f \u0437\u0430\u043f\u0440\u0435\u0442\u0430 \u0441\u044d\u043c\u043f\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435\u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432\u0432\u043e\u0434\u044f\u0442c\u044f top-k \u0438\u043b\u0438 top-p \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f.
\u0412 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0442\u043e\u0436\u0435 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043d\u043e \u0437\u0430\u0440\u0430\u043d\u0435\u0435 \u043e\u0442\u0441\u0435\u043a\u0430\u044e\u0442\u0441\u044f \u0432\u0441\u0435 \u043c\u0430\u043b\u043e\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b.
top_k = n — \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f n \u0441\u043b\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043e\u0431\u043b\u0430\u0434\u0430\u044e\u0442 \u043d\u0430\u0438\u0431\u043e\u043b\u044c\u0448\u0435\u0439 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c\u044e \u0438\u0437 \u0443\u0441\u043b\u043e\u0432\u043d\u043e\u0433\u043e \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439 \u0432\u0441\u0435\u0445 \u0441\u043b\u043e\u0432, \u0447\u0442\u043e \u0441\u0443\u0436\u0430\u0435\u0442 \u0432\u044b\u0431\u043e\u0440 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043e\u0442\u0431\u0440\u0430\u0441\u044b\u0432\u0430\u0435\u0442 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0435 \u0441\u043b\u043e\u0432\u0430 \u0441\u0440\u0430\u0437\u0443. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0433\u043e \u0432\u044b\u0431\u043e\u0440\u0430.
top_p = n — \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f n \u0441\u043b\u043e\u0432, \u0447\u044c\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u043d\u0430\u044f \u043c\u0430\u0441\u0441\u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0440\u0430\u0432\u043d\u0430 n%, \u0442\u043e \u0435\u0441\u0442\u044c \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0441\u044d\u043c\u043f\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u044f\u0442 \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0438, \u0438\u0441\u0445\u043e\u0434\u044f \u0438\u0437 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430. \u0414\u0440\u0443\u0433\u0438\u043c\u0438 \u0441\u043b\u043e\u0432\u0430\u043c\u0438, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u0441\u0443\u043c\u043c\u0430\u0440\u043d\u0443\u044e \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043d\u0430\u0431\u043e\u0440\u0430 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0411\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u0442\u043e\u043a\u0435\u043d\u044b, \u043f\u043e\u043a\u0430 \u0438\u0445 \u0441\u0443\u043c\u043c\u0430\u0440\u043d\u0430\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043d\u0435 \u0434\u043e\u0441\u0442\u0438\u0433\u043d\u0435\u0442 n. \u042d\u0442\u043e \u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0433\u043e \u0432\u044b\u0431\u043e\u0440\u0430.
\u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 top_k\u00a0 =\u00a0 20, top_p = 0.8<\/p>\n

<\/figure>\n

\u041f\u0438\u0448\u0435\u043c \u043a\u043e\u0434 \u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e<\/h2>\n
\n\u041d\u0430\u0447\u0430\u043b\u043e \u043a\u043e\u0434\u0430 python<\/summary>\n
\n
!pip install transformers==4.24.0 from transformers import GPT2LMHeadModel, GPT2Tokenizer import torch DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu') import requests<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
\u0421\u043f\u0440\u0430\u0448\u0438\u0432\u0430\u0435\u043c ChatGPT 10 \u0441\u0430\u043c\u044b\u0445 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u043d\u044b\u0445 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432 \u043d\u0430 \u0448\u043a\u043e\u043b\u044c\u043d\u044b\u0445 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430\u0445<\/p>\n
\n10 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432<\/summary>\n
\n
text_massive = [   '\u041a\u0430\u043a\u043e\u0432\u0430 \u0444\u043e\u0440\u043c\u0443\u043b\u0430 \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043f\u043b\u043e\u0449\u0430\u0434\u0438 \u043f\u0440\u044f\u043c\u043e\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u0430?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0444\u0430\u0437\u044b \u043a\u043b\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u0434\u0435\u043b\u0435\u043d\u0438\u044f?',   '\u041a\u0442\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u043b \u0440\u043e\u043c\u0430\u043d \"\u041f\u0440\u0435\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u0435 \u0438 \u043d\u0430\u043a\u0430\u0437\u0430\u043d\u0438\u0435\"?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u0442\u0430\u0431\u043b\u0438\u0446\u044b Mendeleev?',   '\u041a\u0430\u043a\u0430\u044f \u0444\u043e\u0440\u043c\u0443\u043b\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043f\u043b\u043e\u0449\u0430\u0434\u0438 \u0442\u0440\u0435\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u0430?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0437\u0430\u043a\u043e\u043d\u044b \u041d\u044c\u044e\u0442\u043e\u043d\u0430?',   '\u041a\u0430\u043a\u043e\u0439 \u0433\u0430\u0437 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u043e\u043c \u0430\u0442\u043c\u043e\u0441\u0444\u0435\u0440\u044b \u0417\u0435\u043c\u043b\u0438?',   '\u041a\u0430\u043a\u043e\u0439 \u043e\u0440\u0433\u0430\u043d \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044e \u043a\u0440\u043e\u0432\u0438 \u0432 \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u043c\u0435 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0430?',   '\u041a\u0430\u043a\u043e\u0435 \u0447\u0438\u0441\u043b\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u0438?',   '\u0412 \u043a\u0430\u043a\u043e\u043c \u0433\u043e\u0434\u0443 \u0440\u043e\u0434\u0438\u043b\u0441\u044f \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0421\u0435\u0440\u0433\u0435\u0435\u0432\u0438\u0447 \u041f\u0443\u0448\u043a\u0438\u043d?'   ]<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
\u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u0433\u0443\u0433\u043b-\u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0438 \u043f\u0440\u043e\u043f\u0438\u0448\u0435\u043c \u0444\u0440\u0430\u0437\u044b \u0432 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u043b\u0438\u0441\u0442\u0430\u0445<\/p>\n
\n\u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438 \u0434\u043b\u044f Google<\/summary>\n
\n
# \u0438\u0434\u0435\u043d\u0442\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u0444\u0430\u0439\u043b\u0430 Google google_id = \"1Oa-vu9wBkG7APHzHPidB-5_PANZqSlYt61jUmrIOJwk\"  # \u043c\u0430\u043a\u0440\u043e\u0441 \u0434\u043b\u044f \u0437\u0430\u043f\u0438\u0441\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 \u044f\u0447\u0435\u0439\u043a\u0443 Google url = '_makros_'   sheets_massive = ['\u041b\u0438\u0441\u04421', '\u041b\u0438\u0441\u04422','\u041b\u0438\u0441\u04423','\u041b\u0438\u0441\u04424','\u041b\u0438\u0441\u04425','\u041b\u0438\u0441\u04426','\u041b\u0438\u0441\u04427','\u041b\u0438\u0441\u04428','\u041b\u0438\u0441\u04429','\u041b\u0438\u0441\u044210']  range = 'A2'  for index, key in enumerate(text_massive):   value = key   google_sheet = sheets_massive[index]   data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value   response = requests.get(url + data)   print(google_sheet, range, 'status_code:', response.status_code)  print('Finished')<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
\u0423\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0438 \u0441\u0442\u043e\u043b\u0431\u0435\u0446<\/p>\n
\n\u0417\u0430\u0434\u0430\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0441\u0442\u043e\u043b\u0431\u0446\u0430<\/summary>\n
\n
# model model_name_or_path = \"sberbank-ai\/rugpt3small_based_on_gpt2\"  # column columns = 'C'<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
\u0417\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e<\/p>\n
\n\u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0440\u0435\u043f\u043b\u0438\u043a \u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0443<\/summary>\n
\n
# automatic circle  # Small  print('Started automatic circle ...') print()  print(model_name_or_path) print()  for index0, key in enumerate(text_massive):   text = key   google_sheet = sheets_massive[index0]    print(index0, google_sheet)   print(key)    # \u0422\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f   input_ids = tokenizer.encode(text, return_tensors=\"pt\").to(DEVICE)   print(input_ids)   print()    # Greedy search    print()   print('Greedy search')   print()    def out(key):     out = model.generate(input_ids,                         do_sample=False,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out(key)))[0]     generated_text_massive.append(generated_text)     print()    print('Greedy search generation is finished');   print()    # Save to Google_sheet    rows = [6,7,8,9]    for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Greedy search total is finished')   print()    # Beam search    print()   print('Beam search')   print()    def out(key):     out = model.generate(input_ids,                         do_sample=False,                         num_beams=5,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out(key)))[0]     generated_text_massive.append(generated_text)     print()    print('Beam search generation is finished');   print()    # Save to Google_sheet    rows = [12, 13, 14, 15]    for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Beam search total is finished')   print()    print()   print('Beam search with num_return_sequences')   print()    generated_text_massive = []   generated_text_massive_list = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)     out = model.generate(input_ids,                         do_sample=False,                         max_length=key,                         num_beams=5,                         num_return_sequences = 3)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out))[0]     generated_text_massive.append(generated_text)     generated_text_massive_list.append(list(map(tokenizer.decode, out)))     print()    print('Beam search with num_return_sequences generation is finished')   print()    # Save to Google_sheet    rows = [17, 18, 19]    for index, key in enumerate(generated_text_massive_list[0]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [21, 22, 23]    for index, key in enumerate(generated_text_massive_list[1]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [25, 26, 27]    for index, key in enumerate(generated_text_massive_list[2]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [29, 30, 31]    for index, key in enumerate(generated_text_massive_list[3]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    print('Beam search total is finished')   print()    # Temperature sampling    print()   print('Temperature sampling');   print()    def out(key, temperature):     out = model.generate(input_ids,                         do_sample=True,                         temperature=temperature,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]   temperature_massive = [1.3, 0.8, 2.0]    for temperature in list(temperature_massive):     print('temperature:', temperature)      for key in list(list_length):       print(key)        # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432       generated_text = list(map(tokenizer.decode, out(key, temperature)))[0]       generated_text_massive.append(generated_text)       print()    print('Temperature sampling generation is finished');   print()    # Save to Google_sheet    rows = [35, 36, 37, 38, 41, 42, 43, 44, 47, 48, 49, 50]   list_length = list_length + list_length + list_length     for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Temperature sampling total is finished')   print()    # Nucleus search    print()   print('Nucleus search');   print()    def out(key):     out = model.generate(input_ids,                         do_sample=True,                         temperature=1.3,                         top_k=20,                         top_p=0.8,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out(key)))[0]     generated_text_massive.append(generated_text)     print()    print('Nucleus search generation is finished');   print()    # Save to Google_sheet    rows = [53, 54, 55, 56]    for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Nucleus search total is finished')   print()   print('--- --- ---')   print()  print('Finished') print()<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
\u041a\u043e\u043d\u0435\u0447\u043d\u043e, \u043a\u043e\u0434 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c, \u043e\u0431\u0435\u0440\u043d\u0443\u0442\u044c \u043f\u043e\u0432\u0442\u043e\u0440\u044b \u0432 \u0446\u0438\u043a\u043b\u044b \u0438 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0438 \u043f\u0440\u043e\u0447\u0435\u0435. \u0412 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043d\u0435 \u0441\u0442\u0430\u043b\u0438 \u043d\u0430 \u044d\u0442\u043e\u043c \u0444\u043e\u043a\u0443\u0441\u0438\u0440\u043e\u0432\u0430\u0442\u044c\u0441\u044f, \u0442\u0430\u043a \u043a\u0430\u043a \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043f\u043e\u043a\u0430 \u043d\u0435 \u0437\u0430\u0442\u0440\u0430\u0442\u043d\u044b\u0435 \u0438 \u0437\u0430\u0434\u0430\u0447\u0430 \u0440\u0435\u0448\u0430\u0435\u0442\u0441\u044f \u0441 \u043f\u0440\u0438\u0435\u043c\u043b\u0435\u043c\u043e\u0439 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e.<\/p>\n
\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442<\/h2>\n
\u0422\u0430\u0431\u043b\u0438\u0446\u0430 \u0441 \u0440\u0435\u043f\u043b\u0438\u043a\u0430\u043c\u0438 \u0432\u044b\u043b\u043e\u0436\u0435\u043d\u0430 \u0437\u0434\u0435\u0441\u044c<\/a>.<\/p>\n
\u041f\u043e\u043d\u0438\u043c\u0430\u0435\u043c, \u0447\u0442\u043e \u0435\u0441\u0442\u044c \u043c\u043d\u043e\u0433\u043e \u0447\u0435\u0433\u043e \u043f\u043e\u0434\u0431\u0438\u0440\u0430\u0442\u044c, \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c, \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c, \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0442\u044c, mask, padding \u0438 \u0442\u0430\u043a \u0434\u0430\u043b\u0435\u0435. \u0412 \u0434\u0430\u043d\u043d\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u044d\u0442\u043e \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0447\u0438\u0441\u0442\u044b\u0439 \u0438\u0441\u0445\u043e\u0434\u043d\u044b\u0439 \u0437\u0430\u0445\u043e\u0434 \u0434\u043b\u044f \u0444\u0438\u043a\u0441\u0430\u0446\u0438\u0438 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f. \u0420\u0430\u0437\u0432\u0438\u0442\u0438\u0435 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u0438 \u043f\u0440\u0435\u0434\u043f\u043e\u043b\u0430\u0433\u0430\u0435\u0442\u0441\u044f \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0445 \u0441\u0442\u0430\u0442\u044c\u044f\u0445.<\/p>\n
\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u044f<\/h2>\n
    \n
  1. \n
    \u0415\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u0440\u043e\u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u043e\u043f\u0440\u043e\u0441\u044b, \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b — \u0443\u043a\u0430\u0436\u0438\u0442\u0435 \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445.
    \u0421\u0434\u0435\u043b\u0430\u0435\u043c \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438 \u0432\u044b\u043b\u043e\u0436\u0438\u043c \u0441\u0441\u044b\u043b\u043a\u0443 \u043d\u0430 \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u0441 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c\u0438.
    \u0416\u0435\u043b\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u0444\u043e\u0440\u043c\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0431\u043b\u043e\u043a\u0438 \u043f\u043e 10 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432, \u0447\u0442\u043e\u0431\u044b \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u043c\u0435\u043d\u044f\u0442\u044c \u0432 \u043a\u043e\u0434\u0435.<\/p>\n<\/li>\n
  2. \n
    \u0415\u0441\u043b\u0438 \u0432\u0438\u0434\u0438\u0442\u0435 \u043a\u0430\u043a\u0438\u0435-\u0442\u043e \u043a\u0440\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043e\u0448\u0438\u0431\u043a\u0438 — \u043f\u043e\u0436\u0430\u043b\u0443\u0439\u0441\u0442\u0430, \u0443\u043a\u0430\u0436\u0438\u0442\u0435 \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445.
    \u0415\u0441\u043b\u0438 \u043c\u043e\u0436\u0435\u0442\u0435 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0438\u0442\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u044b \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 — \u043f\u043e\u0436\u0430\u043b\u0443\u0439\u0441\u0442\u0430, \u0443\u043a\u0430\u0436\u0438\u0442\u0435 \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445. <\/p>\n<\/li>\n<\/ol>\n
    <\/figure>\n
    \u0421\u043f\u0430\u0441\u0438\u0431\u043e \u0437\u0430 \u043f\u0440\u043e\u0447\u0442\u0435\u043d\u0438\u0435 \u0441\u0442\u0430\u0442\u044c\u0438 )
    \u0425\u043e\u0440\u043e\u0448\u0435\u0433\u043e \u0434\u043d\u044f )<\/p>\n<\/p>\n<\/div>\n<\/div>\n<\/div>\n
      <\/div>\n
      
     \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438      https:\/\/habr.com\/ru\/articles\/745314\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"
    <\/div>\n
    \n
    \n
    \n
    \n
    RuGPT3 — \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043e\u0442 \u0421\u0431\u0435\u0440
    \u041f\u0440\u043e\u0432\u043e\u0434\u0438\u043c \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0435 \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0446\u0438\u043a\u043b\u0438\u0447\u0435\u0441\u043a\u0438\u043c \u043f\u0435\u0440\u0435\u0431\u043e\u0440\u043e\u043c \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432<\/p>\n
    <\/figure>\n
    \u0420\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0432 Colab, \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c Small, Mediub, Large.
    \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u043d\u043e \u043d\u0435\u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u044b — \u044d\u0442\u043e \u043f\u0435\u0440\u0432\u044b\u0439 \u0437\u0430\u0445\u043e\u0434, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0438\u0441\u0445\u043e\u0434\u043d\u0443\u044e \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e \u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c \u043f\u043e \u043c\u0435\u0440\u0435 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u044f. 
    \u041e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u0440\u0435\u043f\u043b\u0438\u043a \u0442\u043e\u0436\u0435 \u043d\u0435 \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u0442\u0441\u044f. \u041d\u0438 \u0430\u0431\u0437\u0430\u0446\u044b, \u043d\u0438 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u044f — \u043d\u0438\u0447\u0435\u0433\u043e, \u0442\u043e\u043b\u044c\u043a\u043e \u0443\u0434\u0430\u043b\u044f\u044e\u0442\u0441\u044f \u0437\u043d\u0430\u043a\u0438 \u043f\u0435\u0440\u0435\u043d\u043e\u0441\u0430 \u0441\u0442\u0440\u043e\u043a\u0438, \u0435\u0441\u043b\u0438 \u0438\u0445 \u043c\u043d\u043e\u0433\u043e \u043f\u043e\u0434\u0440\u044f\u0434.<\/p>\n
    \u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c \u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f<\/h2>\n
    \u043f\u043e\u043b\u043d\u044b\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0435\u0440\u0435\u0431\u043e\u0440<\/strong>
    10 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432
    3 \u043c\u043e\u0434\u0435\u043b\u0438: Small, Medium, Large
    \u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043d\u0430\u0431\u043e\u0440\u043e\u0432 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u0432\u043d\u0443\u0442\u0440\u0438 \u043a\u0430\u0436\u0434\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438
    \u0420\u0435\u043f\u043b\u0438\u043a\u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0435\u043c \u0432 \u0433\u0443\u0433\u043b-\u0442\u0430\u0431\u043b\u0438\u0446\u0435<\/p>\n
    \u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b<\/h2>\n
    max_length
    <\/strong>\u041c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0434\u043b\u0438\u043d\u0430
    \u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430\u0431\u043e\u0440 max_length = [20, 50, 100, 200]<\/p>\n
    Greedy search
    <\/strong>\u0410\u0440\u0433\u043c\u0430\u043a\u0441\u043d\u0430\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f. \u00ab\u0416\u0430\u0434\u043d\u0430\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f\u00bb
    \u041a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0437 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043a\u0435\u043d, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c.<\/p>\n
    Beam search
    <\/strong>num_beams — \u043a\u043e\u043b-\u0432\u043e \u043f\u0443\u0442\u0435\u0439 \u0441 \u043d\u0430\u0438\u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u043d\u0435\u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c\u0438 \u0438\u0442\u043e\u0433\u043e\u0432\u044b\u043c\u0438 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u043d\u044b\u043c\u0438 \u0441\u043e\u0447\u0435\u0442\u0430\u043d\u0438\u044f\u043c\u0438
    \u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 num_beams = 5
    num_return_sequences — \u043a\u043e\u043b-\u0432\u043e \u043b\u0443\u0447\u0448\u0438\u0445 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430 \u0432\u044b\u0432\u043e\u0434
    \u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 num_return_sequences = 3<\/p>\n
    Temperature sampling
    <\/strong>\u00ab\u0422\u0435\u043c\u043f\u0435\u0440\u0430\u0442\u0443\u0440\u0430\u00bb
    \u041c\u043e\u0436\u043d\u043e \u0442\u0440\u0430\u043a\u0442\u043e\u0432\u0430\u0442\u044c \u043a\u0430\u043a \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0439 \u0432\u044b\u0431\u043e\u0440 \u0441 \u0443\u0447\u0435\u0442\u043e\u043c \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439.
    \u0427\u0435\u043c \u0431\u043b\u0438\u0436\u0435 \u043a \u043d\u0443\u043b\u044e, \u0442\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u043e\u0445\u043e\u0436\u0435 \u043d\u0430 Greedy Search \u0438\u043b\u0438 \u00ab\u0436\u0430\u0434\u043d\u0443\u044e \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e\u00bb. 
    \u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043d\u0430\u0431\u043e\u0440 temperature = [0.8, 1.3, 2.0]<\/p>\n
    Nucleus sampling
    <\/strong>\u0414\u043b\u044f \u0437\u0430\u043f\u0440\u0435\u0442\u0430 \u0441\u044d\u043c\u043f\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0441\u043e\u0432\u0441\u0435\u043c \u043d\u0435\u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432\u0432\u043e\u0434\u044f\u0442c\u044f top-k \u0438\u043b\u0438 top-p \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f. 
    \u0412 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0442\u043e\u0436\u0435 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043d\u043e \u0437\u0430\u0440\u0430\u043d\u0435\u0435 \u043e\u0442\u0441\u0435\u043a\u0430\u044e\u0442\u0441\u044f \u0432\u0441\u0435 \u043c\u0430\u043b\u043e\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b. 
    top_k = n — \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f n \u0441\u043b\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043e\u0431\u043b\u0430\u0434\u0430\u044e\u0442 \u043d\u0430\u0438\u0431\u043e\u043b\u044c\u0448\u0435\u0439 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c\u044e \u0438\u0437 \u0443\u0441\u043b\u043e\u0432\u043d\u043e\u0433\u043e \u0440\u0430\u0441\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439 \u0432\u0441\u0435\u0445 \u0441\u043b\u043e\u0432, \u0447\u0442\u043e \u0441\u0443\u0436\u0430\u0435\u0442 \u0432\u044b\u0431\u043e\u0440 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043e\u0442\u0431\u0440\u0430\u0441\u044b\u0432\u0430\u0435\u0442 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0435 \u0441\u043b\u043e\u0432\u0430 \u0441\u0440\u0430\u0437\u0443. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0433\u043e \u0432\u044b\u0431\u043e\u0440\u0430.
    top_p = n — \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442\u0441\u044f n \u0441\u043b\u043e\u0432, \u0447\u044c\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u043d\u0430\u044f \u043c\u0430\u0441\u0441\u0430 \u0432\u043c\u0435\u0441\u0442\u0435 \u0440\u0430\u0432\u043d\u0430 n%, \u0442\u043e \u0435\u0441\u0442\u044c \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u0441\u044d\u043c\u043f\u043b\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u044f\u0442 \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0438, \u0438\u0441\u0445\u043e\u0434\u044f \u0438\u0437 \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430. \u0414\u0440\u0443\u0433\u0438\u043c\u0438 \u0441\u043b\u043e\u0432\u0430\u043c\u0438, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u0441\u0443\u043c\u043c\u0430\u0440\u043d\u0443\u044e \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043d\u0430\u0431\u043e\u0440\u0430 \u043d\u0430\u0438\u0431\u043e\u043b\u0435\u0435 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0411\u0443\u0434\u0443\u0442 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0435\u043d\u044b \u0442\u043e\u043a\u0435\u043d\u044b, \u043f\u043e\u043a\u0430 \u0438\u0445 \u0441\u0443\u043c\u043c\u0430\u0440\u043d\u0430\u044f \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043d\u0435 \u0434\u043e\u0441\u0442\u0438\u0433\u043d\u0435\u0442 n. \u042d\u0442\u043e \u0442\u0430\u043a\u0436\u0435 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0440\u0430\u0437\u043d\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0435 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u0438\u0437\u0431\u0435\u0436\u0430\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0433\u043e \u0432\u044b\u0431\u043e\u0440\u0430. 
    \u0412 \u0442\u0435\u0441\u0442\u043e\u0432\u044b\u0445 \u043f\u0440\u0438\u043c\u0435\u0440\u0430\u0445 top_k\u00a0 =\u00a0 20, top_p = 0.8<\/p>\n
    <\/figure>\n
    \u041f\u0438\u0448\u0435\u043c \u043a\u043e\u0434 \u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e<\/h2>\n
    \n\u041d\u0430\u0447\u0430\u043b\u043e \u043a\u043e\u0434\u0430 python<\/summary>\n
    \n
    !pip install transformers==4.24.0 from transformers import GPT2LMHeadModel, GPT2Tokenizer import torch DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu') import requests<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
    \u0421\u043f\u0440\u0430\u0448\u0438\u0432\u0430\u0435\u043c ChatGPT 10 \u0441\u0430\u043c\u044b\u0445 \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u043d\u044b\u0445 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432 \u043d\u0430 \u0448\u043a\u043e\u043b\u044c\u043d\u044b\u0445 \u044d\u043a\u0437\u0430\u043c\u0435\u043d\u0430\u0445<\/p>\n
    \n10 \u0432\u043e\u043f\u0440\u043e\u0441\u043e\u0432<\/summary>\n
    \n
    text_massive = [   '\u041a\u0430\u043a\u043e\u0432\u0430 \u0444\u043e\u0440\u043c\u0443\u043b\u0430 \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043f\u043b\u043e\u0449\u0430\u0434\u0438 \u043f\u0440\u044f\u043c\u043e\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u0430?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0444\u0430\u0437\u044b \u043a\u043b\u0435\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u0434\u0435\u043b\u0435\u043d\u0438\u044f?',   '\u041a\u0442\u043e \u043d\u0430\u043f\u0438\u0441\u0430\u043b \u0440\u043e\u043c\u0430\u043d \"\u041f\u0440\u0435\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u0435 \u0438 \u043d\u0430\u043a\u0430\u0437\u0430\u043d\u0438\u0435\"?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u0442\u0430\u0431\u043b\u0438\u0446\u044b Mendeleev?',   '\u041a\u0430\u043a\u0430\u044f \u0444\u043e\u0440\u043c\u0443\u043b\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043f\u043b\u043e\u0449\u0430\u0434\u0438 \u0442\u0440\u0435\u0443\u0433\u043e\u043b\u044c\u043d\u0438\u043a\u0430?',   '\u041a\u0430\u043a\u0438\u0435 \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u0435 \u0437\u0430\u043a\u043e\u043d\u044b \u041d\u044c\u044e\u0442\u043e\u043d\u0430?',   '\u041a\u0430\u043a\u043e\u0439 \u0433\u0430\u0437 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u043a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442\u043e\u043c \u0430\u0442\u043c\u043e\u0441\u0444\u0435\u0440\u044b \u0417\u0435\u043c\u043b\u0438?',   '\u041a\u0430\u043a\u043e\u0439 \u043e\u0440\u0433\u0430\u043d \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430 \u0444\u0438\u043b\u044c\u0442\u0440\u0430\u0446\u0438\u044e \u043a\u0440\u043e\u0432\u0438 \u0432 \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u043c\u0435 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0430?',   '\u041a\u0430\u043a\u043e\u0435 \u0447\u0438\u0441\u043b\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u043f\u0438?',   '\u0412 \u043a\u0430\u043a\u043e\u043c \u0433\u043e\u0434\u0443 \u0440\u043e\u0434\u0438\u043b\u0441\u044f \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0421\u0435\u0440\u0433\u0435\u0435\u0432\u0438\u0447 \u041f\u0443\u0448\u043a\u0438\u043d?'   ]<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
    \u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u0433\u0443\u0433\u043b-\u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0438 \u043f\u0440\u043e\u043f\u0438\u0448\u0435\u043c \u0444\u0440\u0430\u0437\u044b \u0432 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u043b\u0438\u0441\u0442\u0430\u0445<\/p>\n
    \n\u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438 \u0434\u043b\u044f Google<\/summary>\n
    \n
    # \u0438\u0434\u0435\u043d\u0442\u0438\u0444\u0438\u043a\u0430\u0442\u043e\u0440 \u0444\u0430\u0439\u043b\u0430 Google google_id = \"1Oa-vu9wBkG7APHzHPidB-5_PANZqSlYt61jUmrIOJwk\"  # \u043c\u0430\u043a\u0440\u043e\u0441 \u0434\u043b\u044f \u0437\u0430\u043f\u0438\u0441\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 \u044f\u0447\u0435\u0439\u043a\u0443 Google url = '_makros_'   sheets_massive = ['\u041b\u0438\u0441\u04421', '\u041b\u0438\u0441\u04422','\u041b\u0438\u0441\u04423','\u041b\u0438\u0441\u04424','\u041b\u0438\u0441\u04425','\u041b\u0438\u0441\u04426','\u041b\u0438\u0441\u04427','\u041b\u0438\u0441\u04428','\u041b\u0438\u0441\u04429','\u041b\u0438\u0441\u044210']  range = 'A2'  for index, key in enumerate(text_massive):   value = key   google_sheet = sheets_massive[index]   data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value   response = requests.get(url + data)   print(google_sheet, range, 'status_code:', response.status_code)  print('Finished')<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
    \u0423\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0438 \u0441\u0442\u043e\u043b\u0431\u0435\u0446<\/p>\n
    \n\u0417\u0430\u0434\u0430\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0441\u0442\u043e\u043b\u0431\u0446\u0430<\/summary>\n
    \n
    # model model_name_or_path = \"sberbank-ai\/rugpt3small_based_on_gpt2\"  # column columns = 'C'<\/code><\/pre>\n<\/p>\n<\/div>\n<\/details>\n
    \u0417\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u043c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e<\/p>\n
    \n\u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0440\u0435\u043f\u043b\u0438\u043a \u0438 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0443<\/summary>\n
    \n
    # automatic circle  # Small  print('Started automatic circle ...') print()  print(model_name_or_path) print()  for index0, key in enumerate(text_massive):   text = key   google_sheet = sheets_massive[index0]    print(index0, google_sheet)   print(key)    # \u0422\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f   input_ids = tokenizer.encode(text, return_tensors=\"pt\").to(DEVICE)   print(input_ids)   print()    # Greedy search    print()   print('Greedy search')   print()    def out(key):     out = model.generate(input_ids,                         do_sample=False,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out(key)))[0]     generated_text_massive.append(generated_text)     print()    print('Greedy search generation is finished');   print()    # Save to Google_sheet    rows = [6,7,8,9]    for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Greedy search total is finished')   print()    # Beam search    print()   print('Beam search')   print()    def out(key):     out = model.generate(input_ids,                         do_sample=False,                         num_beams=5,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out(key)))[0]     generated_text_massive.append(generated_text)     print()    print('Beam search generation is finished');   print()    # Save to Google_sheet    rows = [12, 13, 14, 15]    for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Beam search total is finished')   print()    print()   print('Beam search with num_return_sequences')   print()    generated_text_massive = []   generated_text_massive_list = []   list_length = [20, 50, 100, 200]    for key in list(list_length):     print(key)     out = model.generate(input_ids,                         do_sample=False,                         max_length=key,                         num_beams=5,                         num_return_sequences = 3)      # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432     generated_text = list(map(tokenizer.decode, out))[0]     generated_text_massive.append(generated_text)     generated_text_massive_list.append(list(map(tokenizer.decode, out)))     print()    print('Beam search with num_return_sequences generation is finished')   print()    # Save to Google_sheet    rows = [17, 18, 19]    for index, key in enumerate(generated_text_massive_list[0]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [21, 22, 23]    for index, key in enumerate(generated_text_massive_list[1]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [25, 26, 27]    for index, key in enumerate(generated_text_massive_list[2]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    rows = [29, 30, 31]    for index, key in enumerate(generated_text_massive_list[3]):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print('status_code:', response.status_code)    print('Beam search total is finished')   print()    # Temperature sampling    print()   print('Temperature sampling');   print()    def out(key, temperature):     out = model.generate(input_ids,                         do_sample=True,                         temperature=temperature,                         max_length=key)     return(out)    generated_text_massive = []   list_length = [20, 50, 100, 200]   temperature_massive = [1.3, 0.8, 2.0]    for temperature in list(temperature_massive):     print('temperature:', temperature)      for key in list(list_length):       print(key)        # \u0414\u0435\u043a\u043e\u0434\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432       generated_text = list(map(tokenizer.decode, out(key, temperature)))[0]       generated_text_massive.append(generated_text)       print()    print('Temperature sampling generation is finished');   print()    # Save to Google_sheet    rows = [35, 36, 37, 38, 41, 42, 43, 44, 47, 48, 49, 50]   list_length = list_length + list_length + list_length     for index, key in enumerate(generated_text_massive):     range = columns + str(rows[index])     value = key.replace('\\n\\n\\n','')     data = '?id=' + google_id + '&sheet=' + google_sheet + '&range=' + range + '&value=' + value     response = requests.get(url + data)     print(list_length[index], 'status_code:', response.status_code)    print('Temperature sampling total is finished')   print()    # Nucleus search    print()   print('Nucleus search'); <\/code><\/pre>\n<\/div>\n<\/details>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-349663","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/349663","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=349663"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/349663\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=349663"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=349663"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=349663"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}