Home
Explore
Submit Search
Upload
Login
Signup
Check these out next
10分でわかるFuelPHP @ 2011/12
kenjis
機械学習プロジェクトにおける Cloud AI Platform の使い方 (2018-11-19)
Yaboo Oyabu
今、最も勢いのあるWebフレームワーク「fuel php」
Soudai Sone
Chef
yaasita
Eggplant Functional - Lesson 10 (Japanese slides)
Eggplant
CodeIgniter東京勉強会 2011.05.14
Takako Miyagawa
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
ManaMurakami1
Intalio japan special cloud workshop
Daisuke Sugai
1
of
14
Top clipped slide
Drupal Consoleに特化したモデルを作成する
Mar. 5, 2023
•
0 likes
0 likes
×
Be the first to like this
Show More
•
34 views
views
×
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Download Now
Download to read offline
Report
Technology
2023/03/03の勉強会で発表されたものです。
iPride Co., Ltd.
Follow
iPride Co., Ltd.
Recommended
OpenAI FineTuning を試してみる
iPride Co., Ltd.
1.2K views
•
16 slides
Talking with drupal - psyshでの対話型デバッグ
Tomotsugu Kaneko
132 views
•
17 slides
【de:code 2020】 アマダの Azure への取り組みと DevOPS・MLOPS 環境の構築と運用
日本マイクロソフト株式会社
391 views
•
50 slides
20091030cakephphandson 01
Yusuke Ando
1.3K views
•
63 slides
日本語ではじめるDrupal Console in Sapporo
Yoshikazu Aoyama
927 views
•
49 slides
panagenda MarvelClientとケートリック XPages マスターテンプレートのご紹介
Mitsuru Katoh
962 views
•
23 slides
More Related Content
Similar to Drupal Consoleに特化したモデルを作成する
(12)
10分でわかるFuelPHP @ 2011/12
kenjis
•
4.2K views
機械学習プロジェクトにおける Cloud AI Platform の使い方 (2018-11-19)
Yaboo Oyabu
•
2.4K views
今、最も勢いのあるWebフレームワーク「fuel php」
Soudai Sone
•
34.6K views
Chef
yaasita
•
3K views
Eggplant Functional - Lesson 10 (Japanese slides)
Eggplant
•
76 views
CodeIgniter東京勉強会 2011.05.14
Takako Miyagawa
•
3.2K views
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
ManaMurakami1
•
480 views
Intalio japan special cloud workshop
Daisuke Sugai
•
720 views
NetBeansではじめる FuelPHP
Junichi Yamamoto
•
13.3K views
エヌビディアが加速するディープラーニング ~進化するニューラルネットワークとその開発方法について~
NVIDIA Japan
•
3.9K views
10分でわかるFuelPHP @ 2012/05 OSC2012 Nagoya
kenjis
•
3.9K views
10分でわかるFuelPHP @ 2013/04 FuelPHP入門ハンズオン vol.1
kenjis
•
26.5K views
More from iPride Co., Ltd.
(20)
OIDC(OpenID Connect)について解説③
iPride Co., Ltd.
•
25 views
DrupalをDockerで起動してみる
iPride Co., Ltd.
•
22 views
HTTPの仕組みについて
iPride Co., Ltd.
•
11 views
通信プロトコルについて
iPride Co., Ltd.
•
7 views
OIDC(OpenID Connect)について解説①
iPride Co., Ltd.
•
28 views
SpringBootにおけるテンプレートエンジンの活用
iPride Co., Ltd.
•
33 views
Java研修
iPride Co., Ltd.
•
15 views
SpringBootの研修本で学んだこと
iPride Co., Ltd.
•
23 views
画像生成AI stable diffusionの紹介2
iPride Co., Ltd.
•
50 views
ビジネスマナー研修で学んだこと ~ 第一印象とコミュニケーション ~
iPride Co., Ltd.
•
26 views
MySQL研修で学んだこと
iPride Co., Ltd.
•
28 views
画像生成AI stable diffusionの紹介
iPride Co., Ltd.
•
112 views
DrupalでBDDテストを 実施してみる②
iPride Co., Ltd.
•
46 views
Pythonでキャッシュを活用する話①
iPride Co., Ltd.
•
173 views
SQLの内部結合と外部結合について
iPride Co., Ltd.
•
69 views
PythonでWebDAVサーバーを作ろう②
iPride Co., Ltd.
•
65 views
ChatAPI.pptx
iPride Co., Ltd.
•
61 views
いろいろな言語で見る「0埋め」の実装方法
iPride Co., Ltd.
•
40 views
SQL文について
iPride Co., Ltd.
•
39 views
fetch APIを安全に使う方法をおさらいしてみよう
iPride Co., Ltd.
•
60 views
Recently uploaded
(20)
コードレビュー改善のためにJenkinsとIntelliJ IDEAのプラグインを自作してみた話
Rakuten Group, Inc.
•
40 views
Forguncy製品概要.pptx
フォーガンシー
•
165 views
JSTQB_テストプロセスの概念モデル.pdf
akipii Oga
•
295 views
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
NTT DATA Technology & Innovation
•
198 views
Üslup ve tercüme.pdf
1Hmmtks
•
2 views
【DL輪読会】Egocentric Video Task Translation (CVPR 2023 Highlight)
Deep Learning JP
•
95 views
社内ソフトスキルを考える
infinite_loop
•
91 views
Voyager: An Open-Ended Embodied Agent with Large Language Models
harmonylab
•
23 views
Transformerについて解説!!
Yosuke Horio
•
7 views
ChatGPT触ってみた
infinite_loop
•
64 views
CDLEハッカソン2022参加報告.pdf
SHOIWA1
•
10 views
JSONEncoderで詰まった話
とん とんぼ
•
144 views
JSTQB_テストマネジメントとレビュープロセス.pdf
akipii Oga
•
266 views
【DL輪読会】マルチモーダル 基盤モデル
Deep Learning JP
•
5 views
Windows ChatGPT Bing AI.pptx
Atomu Hidaka
•
7 views
Wandb LLM Webinar May 30 2023 (配布用).pdf
Yuya Yamamoto
•
140 views
モバイル・クラウド・コンピューティング-データを如何に格納し、組み合わせ、情報として引き出すか
Masahiko Funaki
•
2 views
触感に関わる共感覚的表現と基本6感情の対応関係の検証
Matsushita Laboratory
•
22 views
ネットワークパケットブローカー市場.pdf
HinaMiyazu
•
9 views
GraalVMでのFlight Recorderを使ったパフォーマンス解析(JJUG CCC 2023 Spring)
NTT DATA Technology & Innovation
•
9 views
Drupal Consoleに特化したモデルを作成する
Drupal Consoleに 特化したモデルを作成する 発表者 K.H
背景・目的 前回はFineTuningの方法やFineTuning実施前後の精度比較を実施した。 その結果FineTuningにより精度が向上することが判明した。 今回はDrupal Consoleに特化したモデルを作成してその精度を確かめる。 また、ベースのモデルを変えてFineTuningを行いモデルによってどのような違いが 出るかを確認する。
トレーニングデータについて Drupal Consoleでは利用可能なコマンドが多いため以下のコマンドを対象としてト レーニングデータを用意した。 drupal cache
rebuild drupal generate:controller drupal generate module drupal generate form drupal debug router
トレーニングデータについて openAIの公式ドキュメントではコンテンツなどを生成する場合、以下を推奨してい る。今回は推奨されているフォーマットでトレーニングデータを用意した。 • promptの最後に区切り文字を追加する • 今回は「/n/n####/n/n」を使用 •
completionの最初に「␣」(スペース)を追加する • completionの最後に「␣END」を追加する
トレーニングデータについて 推奨されているフォーマットは以下のようになる。 { “prompt”: “{text}/n/n####/n/n”, ”completion”: “␣{completion}␣END” }
トレーニングデータについて 今回用意したトレーニングデータは全部で81件で、1コマンドあたり最低8件、最大 で20件となる。トレーニングデータの例を以下に示す。 {"prompt":"cacheを削除するコマンド/n/n###/n/n","completion":" drupal cache
rebuild END"} {"prompt":"cacheを削除するコマンドを教えてください/n/n###/n/n","completion":" drupal cache rebuild END"} {"prompt":"キャッシュを削除するコマンド/n/n###/n/n","completion":" drupal cache rebuild END"} {"prompt":"キャッシュを削除するコマンドを教えて/n/n###/n/n","completion":" drupal cache rebuild END"}
FineTuning実施前の精度 FineTuning実施前の精度を「curie」を使用して計測した。入力として以下の5つを 与えてDrupal Consoleのコマンドが出力されるかどうかを確認した。その結果全て の入力でDrupal Consoleのコマンドは出力されなかった。 1.
Drupal Consoleでキャッシュを削除する方法を教えてください 2. Drupal Consoleでコントローラを作成する方法を教えてください 3. Drupal Consoleでモジュールを作成する方法を教えてください 4. Drupal Consoleでフォームを作成する方法を教えてください 5. Drupal Consoleでルートの一覧を表示する方法を教えてください
FineTuningの実施 今回は以下の3モデルをベースとしてFineTuningを実施してその精度を確認する。 • curie • babbage •
ada
FineTuning実施後の精度 FineTuning実施前と同じようにcurie、babbage、adaをベースにしたモデルに対し て以下の入力を行った。その結果どのモデルでも期待する出力が得られた。 1. キャッシュを削除する方法を教えてください 2. コントローラを作成する方法を教えてください 3.
モジュールを作成する方法を教えてください 4. フォームを作成する方法を教えてください 5. ルートの一覧を表示する方法を教えてください
モデルによる違い 以下のような入力を行いモデルによる違いを確認した。 • 学習させてないコマンドを出力するような入力 • 入力に誤字を含める •
学習データに含まれていない言語(英語、関西弁)で入力 • 入力を省略した時 • 入力と出力を逆にする
入力に誤字を含める 入力に誤字を含めたときにモデルによる違いが見られた。 赤字が単語を間違えて入力した箇所、青字が期待する結果と別の結果となった箇所 である。 入力 curie babbage
ada Fromを作成する方法を教えて ください drupal generate:add drupal generate form drupal generate form moudleを作成する方法を教え てください drupal generate form drupal generate module drupal generate:controller cace削除 drupal debug router drupal cache rebuild drupal cache rebuild モシュールを作成する方法 drupal generate:soliloquy drupal generate form drupal generate module
入力に誤字を含める 入力に誤字があった場合、curieは正しいDrupal Consoleのコマンドを出力しない。 一方、babbageやadaは単語を間違えて入力しても正しいコマンドを出力してくれ ることがある。
入力と出力を逆にする 今までは〇〇するコマンドを教えてくだいという入力を行っていたが、今回はコマ ンドを入力に与えてこのコマンドは何を行うかという入力にした。その結果どのモ デルでも期待する出力を得ることはできなかった 入力 curie babbage
ada 「drupal generate form」は何 をする? drupal generate form drupal generate form drupal generate form 入力と出力の結果
まとめ 今回はFintuningを使用してDrupal Consoleに特化したモデルを作成した。どのモデ ルでも「Drupal」や「Console」といった単語を使用せずにDrupal Consoleのコマ ンドを出力することができた。 入力に誤字があった場合、ベースにしたモデルによって挙動が変わる。 curieをベースにしたモデルは間違ったコマンドを出力するが、babbageやadaをベ ースにしたモデルでは正しいコマンドを出力する可能性が高い。