Wmt19 Ru En

🚀 FSMT

このモデルは、Facebookが開発した翻訳モデルで、WMT19のデータセットを用いて学習されています。複数の言語ペアに対応し、高い翻訳性能を持っています。

🚀 クイックスタート

FSMTは、FairSeqMachineTranslationの略称で、Facebookが開発した翻訳モデルです。元のモデルは、fairseq wmt19 transformer で、このポート版は、ロシア語と英語の翻訳に特化しています。詳細については、Facebook FAIR's WMT19 News Translation Task Submission を参照してください。

以下の4つのモデルが利用可能です:

• wmt19-en-ru
• wmt19-ru-en
• wmt19-en-de
• wmt19-de-en

✨ 主な機能

モデルの使用方法

from transformers import FSMTForConditionalGeneration, FSMTTokenizer
mname = "facebook/wmt19-ru-en"
tokenizer = FSMTTokenizer.from_pretrained(mname)
model = FSMTForConditionalGeneration.from_pretrained(mname)

input = "Машинное обучение - это здорово, не так ли?"
input_ids = tokenizer.encode(input, return_tensors="pt")
outputs = model.generate(input_ids)
decoded = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(decoded) # Machine learning is great, isn't it?

制限事項とバイアス

• 元のモデル（およびこのポート版モデル）は、繰り返しのサブフレーズを含む入力をうまく処理できないようです。内容が切り捨てられる

📦 インストール

このモデルは、transformers ライブラリを通じて利用できます。transformers をインストールすることで、簡単にモデルを使用できます。

📚 ドキュメント

学習データ

事前学習された重みは、fairseqがリリースした元のモデルと同じです。詳細については、論文 を参照してください。

評価結果

transformers でのスコアは、fairseq で報告されたスコアよりも若干低くなっています。これは、transformers が現在、以下の機能をサポートしていないためです:

• モデルアンサンブル: 最も性能の良いチェックポイント (model4.pt) がポートされました。
• 再ランキング

スコアは、以下のコードを使用して計算されました:

git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=ru-en
export DATA_DIR=data/$PAIR
export SAVE_DIR=data/$PAIR
export BS=8
export NUM_BEAMS=15
mkdir -p $DATA_DIR
sacrebleu -t wmt19 -l $PAIR --echo src > $DATA_DIR/val.source
sacrebleu -t wmt19 -l $PAIR --echo ref > $DATA_DIR/val.target
echo $PAIR
PYTHONPATH="src:examples/seq2seq" python examples/seq2seq/run_eval.py facebook/wmt19-$PAIR $DATA_DIR/val.source $SAVE_DIR/test_translations.txt --reference_path $DATA_DIR/val.target --score_path $SAVE_DIR/test_bleu.json --bs $BS --task translation --num_beams $NUM_BEAMS

注: fairseqはビーム幅50を使用して報告しているため、--num_beams 50 で再実行すると、若干高いスコアが得られるはずです。

データソース

• 学習データなど
• テストセット

BibTeXエントリと引用情報

@inproceedings{...,
  year={2020},
  title={Facebook FAIR's WMT19 News Translation Task Submission},
  author={Ng, Nathan and Yee, Kyra and Baevski, Alexei and Ott, Myle and Auli, Michael and Edunov, Sergey},
  booktitle={Proc. of WMT},
}

🔧 技術詳細

今後の予定

• モデルアンサンブルをポートする（fairseqは4つのモデルチェックポイントを使用）

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。