Wmt19 En Ru

🚀 FSMT

このモデルは、英語とロシア語の翻訳に特化した、fairseq wmt19 transformerの移植版です。高度な翻訳性能を提供します。

🚀 クイックスタート

このモデルは、英語とロシア語の翻訳に使用できます。以下に、使用方法の基本的なコード例を示します。

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

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

✨ 主な機能

• 英語とロシア語の翻訳をサポートします。
• 4種類のモデルが利用可能で、多言語間の翻訳に対応しています。
  • wmt19-en-ru
  • wmt19-ru-en
  • wmt19-en-de
  • wmt19-de-en

📚 ドキュメント

モデルの説明

これは、英語からロシア語への翻訳用のfairseq wmt19 transformerの移植版です。詳細については、Facebook FAIR's WMT19 News Translation Task Submissionを参照してください。

略称FSMTは、FairSeqMachineTranslationの意味です。

想定される使用法と制限

使用方法

上記の「クイックスタート」で示したコード例を参照してください。

制限とバイアス

• 元のモデル（およびこの移植版）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

トレーニングデータ

事前学習された重みは、fairseqによってリリースされた元のモデルと同じになっています。詳細については、論文を参照してください。

評価結果

このスコアは、fairseqによって報告されたスコアよりもわずかに低くなっています。transformersは現在、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（したがって、最も性能の高いチェックポイント model4.pt が移植されました）
• 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=en-ru
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、わずかに高いスコアが得られるはずです。

データソース

• トレーニングデータなど
• 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},
}

今後の予定

• モデルアンサンブルの移植（fairseqは4つのモデルチェックポイントを使用しています）

📄 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。