Gemma-2-Alpaca-9B

Cartão Hugging Face para Modelo GPT-2 Treinado em Dados de Cannabis e Cognição

Nome do Modelo: GPT-2-Cannabis-Cognition

Desenvolvedor: [Seu Nome/Nome da Equipe]

Descrição: Este modelo GPT-2 foi ajustado para gerar grafos de conhecimento representando a relação entre o consumo de cannabis e a função cognitiva em estudantes. O conjunto de dados de treinamento consiste em instruções, entradas e saídas, onde as saídas são representadas em formato de grafo usando a linguagem DOT. O modelo é capaz de analisar, avaliar e modelar diferentes aspectos do consumo de cannabis, como blends Sativa e Indica, teores de THC e CBD, e seus efeitos em diversas funções cognitivas, como memória, atenção, foco e aprendizagem.

Características Principais:

• Domínio Específico: Ajustado para o domínio da cannabis e cognição, com foco na inter-referência entre medicina de precisao e agricultura de precisao.
• Geração de Grafos de Conhecimento: Capaz de gerar representações gráficas da relação entre variáveis relacionadas à cannabis e cognição.
• Linguagem DOT: Utiliza a linguagem DOT para representar os grafos de conhecimento, permitindo visualização e análise.
• Baseado em GPT-2: Aproveita a arquitetura robusta e o conhecimento pré-treinado do modelo GPT-2.
• Treinamento com TRL SFTTrainer: Treinado utilizando o SFTTrainer da biblioteca TRL da Hugging Face, garantindo um processo de ajuste fino eficiente.
• Otimizado para Unsloth: Compatível com a biblioteca Unsloth para um ajuste fino e inferência mais rápidos.
• Formato GGUF: Disponível em formato GGUF para uso com llama.cpp e interfaces como GPT4All.

Aplicações Potenciais:

• Pesquisa em Cannabis Medicinal: Auxiliar na pesquisa sobre os efeitos da cannabis em diferentes funções cognitivas.
• Desenvolvimento de Produtos de Cannabis: Informar o desenvolvimento de produtos de cannabis com perfis específicos de canabinoides e terpenos para fins medicinais.
• Educação sobre Cannabis: Fornecer uma ferramenta educacional para visualizar e compreender a complexa relação entre cannabis e cognição.
• Agricultura de Precisão: Auxiliar na seleção e desenvolvimento de cultivares de cannabis com características específicas para fins medicinais.
• Medicina de Precisão: Contribuir para a personalização de tratamentos com cannabis, considerando as necessidades individuais dos pacientes.

Instruções de Uso:

O modelo pode ser utilizado com a biblioteca Unsloth ou com o AutoModelForCausalLM da Hugging Face. Para gerar um grafo de conhecimento, forneça uma instrução e uma entrada no formato Alpaca prompt. O modelo irá gerar a saída em formato de grafo utilizando a linguagem DOT.

Exemplo de Input:

Modelar a relação entre o uso de um blend Sativa e a performance em tarefas de atenção sustentada em estudantes.

Output Esperado:

digraph {
 node [shape=circle, fontname="Calibri Bold"];
 edge [fontname="Calibri Bold"];
 "Blend Sativa" -> "Atenção Sustentada" [label="Melhora (PLS-SEM)", color="blue"];
 "Blend Sativa" -> "Energia" [label="Aumenta (NCA)", color="blue"];
 "Energia" -> "Atenção Sustentada" [label="Influencia (NCA)", color="blue"];
}

Considerações Éticas:

É importante utilizar este modelo de forma responsável e ética, considerando as implicações do consumo de cannabis e a necessidade de pesquisas adicionais para compreender completamente seus efeitos.

Contatos:

[email protected]

Links: https://github.com/canabica https://huggingface.co/datasets/canabica/train/blob/main/train.json

---

license: apache-2.0