Tunbert Zied

🚀 tunbert_zied

tunbert_ziedは、zied sbabtiによって作成されたRoBERTaモデルに類似したアーキテクチャに基づく、チュニジア方言用の言語モデルです。このモデルは、チュニジア方言で書かれた60万を超えるフレーズで訓練されています。

🚀 クイックスタート

tunbert_ziedとそのサブワードトークナイザーをロードします。

トークナイザーをロードする際には、AutoTokenizer.from_pretrained(...)メソッドではなく、BertTokenizer.from_pretrained(...)メソッドを使用してください。（これは、私がRobertaモデルの組み込みトークナイザーであるGPTトークナイザーを使用せず、BertTokenizerを使用したためです。）

使用例

import transformers as tr

tokenizer = tr.BertTokenizer.from_pretrained("ziedsb19/tunbert_zied")

model = tr.AutoModelForMaskedLM.from_pretrained("ziedsb19/tunbert_zied")

pipeline = tr.pipeline("fill-mask", model= model, tokenizer=tokenizer)

#test the model by masking a word in a phrase with [MASK]

pipeline("Ahla winek [MASK] lioum ?")

#results 
"""
[{'sequence': 'ahla winek cv lioum?',
  'score': 0.07968682795763016,
  'token': 869,
  'token_str': 'c v'},
 {'sequence': 'ahla winek enty lioum?',
  'score': 0.06116843968629837,
  'token': 448,
  'token_str': 'e n t y'},
 {'sequence': 'ahla winek ch3amla lioum?',
  'score': 0.057379286736249924,
  'token': 7342,
  'token_str': 'c h 3 a m l a'},
 {'sequence': 'ahla winek cha3malt lioum?',
  'score': 0.028112901374697685,
  'token': 4663,
  'token_str': 'c h a 3 m a l t'},
 {'sequence': 'ahla winek enti lioum?',
  'score': 0.025781650096178055,
  'token': 436,
  'token_str': 'e n t i'}]
"""

✍️ 作者

• zied sbabti - アイデアと初期の作業