Legal T5 Small Multitask Sv It

🚀 legal_t5_small_multitask_sv_it模型

該模型用於將瑞典語法律文本翻譯成意大利語。它首次發佈於 此倉庫。該模型在來自 JRC-ACQUIS、EUROPARL 和 DCEP 的 42 種語言對的三個平行語料庫上進行並行訓練，同時還進行了無監督任務，即模型在掩碼語言模型中執行預測任務。

🚀 快速開始

該模型可用於將瑞典語法律文本翻譯成意大利語。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_multitask_sv_it"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_multitask_sv_it", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

sv_text = "De nationella tillsynsmyndigheterna får använda"

pipeline([sv_text], max_length=512)

✨ 主要特性

• 無需預訓練，通過將無監督任務與所有翻譯任務相結合，實現多任務學習場景。
• 在三個平行語料庫上進行並行訓練，涵蓋 42 種語言對。

📦 安裝指南

文檔未提及安裝步驟，可參考 transformers 庫的官方安裝指南進行安裝。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_multitask_sv_it"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_multitask_sv_it", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

sv_text = "De nationella tillsynsmyndigheterna får använda"

pipeline([sv_text], max_length=512)

📚 詳細文檔

模型描述

legal_t5_small_multitask_sv_it 模型不涉及預訓練，而是將無監督任務與所有翻譯任務相結合，以實現多任務學習場景。

預期用途和限制

該模型可用於將瑞典語法律文本翻譯成意大利語。

訓練數據

legal_t5_small_multitask_sv_it 模型（監督任務僅涉及相應的語言對，無監督任務則可使用所有語言對的數據）在 JRC-ACQUIS、EUROPARL 和 DCEP 數據集上進行訓練，這些數據集包含 800 萬條平行文本。

訓練過程

該模型在單個 TPU Pod V3-8 上總共訓練了 250K 步，使用序列長度為 512（批量大小為 4096）。它總共有約 2.2 億個參數，並使用編碼器 - 解碼器架構進行訓練。使用的優化器是 AdaFactor，學習率採用逆平方根調度。

預處理

使用來自平行語料庫（所有可能的語言對）的 8800 萬行文本訓練了一個 unigram 模型，以獲取詞彙表（使用字節對編碼），該詞彙表用於此模型。

評估結果

當使用該模型進行翻譯測試數據集時，取得了以下結果：

🔧 技術細節

• 模型在三個平行語料庫上進行並行訓練，同時進行無監督任務，以實現多任務學習。
• 不涉及預訓練，通過結合無監督任務和翻譯任務實現多任務學習。
• 使用 unigram 模型進行預處理，獲取詞彙表。
• 在單個 TPU Pod V3-8 上進行訓練，使用 AdaFactor 優化器和逆平方根學習率調度。

📄 許可證

文檔未提及許可證信息。

BibTeX 引用和引用信息

由 Ahmed Elnaggar/@Elnaggar_AI 創建 | LinkedIn