Wmt19 De En

🚀 FSMT

このモデルは、ドイツ語と英語間の翻訳を行うための、fairseq wmt19 transformerを移植したものです。

🚀 クイックスタート

FSMTは、FairSeqMachineTranslationの略称です。このモデルは、ドイツ語と英語間の翻訳を行うための、fairseq wmt19 transformerを移植したものです。詳細については、Facebook FAIR's WMT19 News Translation Task Submissionを参照してください。

すべての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

• ドイツ語と英語間の翻訳をサポート
• fairseq wmt19 transformerを移植したモデル

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

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

input = "Maschinelles Lernen ist großartig, oder?"
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?

📚 ドキュメント

意図された用途と制限

制限とバイアス

• 元のモデル（およびこの移植モデル）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ます

トレーニングデータ

事前学習された重みは、fairseqによって公開された元のモデルと同じままです。詳細については、論文を参照してください。

評価結果

スコアはfairseqが報告したスコアよりもわずかに低くなっています。これは、transformersが現在、以下をサポートしていないためです。

• モデルアンサンブル。そのため、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=de-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はビームサイズ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},
}

TODO

• モデルアンサンブルを移植する（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

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。