Legal T5 Small Trans Sv En

🚀 legal_t5_small_trans_sv_en模型

legal_t5_small_trans_sv_en模型用於將瑞典語法律文本翻譯成英語。它能有效解決瑞典語法律文本的翻譯需求，為法律領域的跨國交流提供了便利。

🚀 快速開始

legal_t5_small_trans_sv_en模型可用於將瑞典語法律文本翻譯成英語。以下是在PyTorch中使用該模型進行翻譯的示例代碼：

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_sv_en"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_sv_en", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

sv_text = "Om rättsliga förfaranden inleds rörande omständigheter som ombudsmannen utreder skall han avsluta ärendet."

pipeline([sv_text], max_length=512)

✨ 主要特性

• 基於t5-small模型，在大規模平行文本語料庫上進行訓練。
• 模型規模較小，通過使用dmodel = 512、dff = 2,048、8頭注意力機制，且編碼器和解碼器各只有6層，對t5的基線模型進行了縮放。
• 約有6000萬個參數。

📦 安裝指南

文檔未提及安裝步驟，故跳過該章節。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_sv_en"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_sv_en", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

sv_text = "Om rättsliga förfaranden inleds rörande omständigheter som ombudsmannen utreder skall han avsluta ärendet."

pipeline([sv_text], max_length=512)

📚 詳細文檔

模型描述

legal_t5_small_trans_sv_en基於t5-small模型，在大規模平行文本語料庫上進行訓練。這是一個較小的模型，通過使用dmodel = 512、dff = 2,048、8頭注意力機制，且編碼器和解碼器各只有6層，對t5的基線模型進行了縮放。該變體約有6000萬個參數。

預期用途和侷限性

該模型可用於將瑞典語法律文本翻譯成英語。

訓練數據

legal_t5_small_trans_sv_en模型在JRC-ACQUIS、EUROPARL和DCEP數據集上進行訓練，這些數據集包含500萬條平行文本。

訓練過程

• 模型在單個TPU Pod V3 - 8上總共訓練了250K步，使用序列長度512（批量大小4096）。
• 模型總共約有2.2億個參數，採用編碼器 - 解碼器架構進行訓練。
• 使用AdaFactor優化器和逆平方根學習率調度進行預訓練。

預處理

使用從平行語料庫（所有可能的語言對）中8800萬行文本訓練的unigram模型來獲取詞彙表（使用字節對編碼），該詞彙表用於此模型。

評估結果

當模型用於翻譯測試數據集時，取得了以下結果：

BibTeX引用和引用信息

Created by Ahmed Elnaggar/@Elnaggar_AI | LinkedIn

🔧 技術細節

模型基於t5-small架構進行改進，通過調整參數規模和層數，在保證一定翻譯效果的同時，降低了模型的複雜度。訓練過程中使用了特定的優化器和學習率調度，以提高模型的性能。

📄 許可證

文檔未提及許可證信息，故跳過該章節。