Legal T5 Small Trans En Cs

🚀 legal_t5_small_trans_en_csモデル

このモデルは、英語の法的テキストをチェコ語に翻訳するためのものです。最初はthis repositoryで公開されました。このモデルは、jrc - acquis、europarl、dcepの3つの並列コーパスで学習されています。

🚀 クイックスタート

このモデルは、英語の法的テキストをチェコ語に翻訳するために使用できます。

✨ 主な機能

• 英語の法的テキストをチェコ語に翻訳することができます。

📦 インストール

このセクションでは、具体的なインストール手順が提供されていないため、省略します。

💻 使用例

基本的な使用法

以下は、このモデルを使用して英語の法的テキストをチェコ語に翻訳するPyTorchでのコード例です。

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_en_cs"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_en_cs", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

en_text = "1 In the countries concerned, this certainly affects the priority assigned to making progress on the issue of final disposal, particularly of highly radioactive waste and irradiated fuel elements."

pipeline([en_text], max_length=512)

📚 ドキュメント

モデルの説明

legal_t5_small_trans_en_csは、t5 - smallモデルをベースに、大量の並列テキストコーパスで学習されました。これはより小さなモデルで、dmodel = 512、dff = 2,048、8ヘッドのアテンションを使用し、エンコーダとデコーダそれぞれに6層だけを持つことで、t5のベースラインモデルを縮小しています。このバリアントには約6000万のパラメータがあります。

想定される用途と制限

このモデルは、英語の法的テキストをチェコ語に翻訳するために使用できます。

🔧 技術詳細

学習データ

legal_t5_small_trans_en_csモデルは、[JRC - ACQUIS](https://wt - public.emm4u.eu/Acquis/index_2.2.html)、EUROPARL、[DCEP](https://ec.europa.eu/jrc/en/language - technologies/dcep)のデータセット（約500万の並列テキストから構成される）で学習されました。

学習手順

このモデルは、単一のTPU Pod V3 - 8で合計250Kステップ、シーケンス長512（バッチサイズ4096）で学習されました。約2億2000万のパラメータを持ち、エンコーダ - デコーダアーキテクチャを使用して学習されました。最適化アルゴリズムには、事前学習用の逆平方根学習率スケジュールを持つAdaFactorが使用されています。

前処理

並列コーパス（すべての可能な言語ペア）の8800万行のテキストで学習されたユニグラムモデルを使用して語彙（バイトペアエンコーディング付き）を取得し、このモデルで使用しています。

事前学習

事前学習に関する具体的な情報は提供されていません。

評価結果

このモデルを翻訳テストデータセットに使用した場合、以下の結果が得られます。

BibTeXエントリと引用情報

Created by Ahmed Elnaggar/@Elnaggar_AI | [LinkedIn](https://www.linkedin.com/in/prof - ahmed - elnaggar/)