En Vi

🚀 英語 - 越南語翻譯微調模型

這是一個基於MarianMT預訓練模型在英 - 中語料上進行微調的項目，目標語言對為英語 - 越南語。該模型分兩個階段進行訓練，第一階段在包含英 - 中和英 - 越句子的混合數據集上訓練，第二階段在僅包含英 - 越句子的純數據集上訓練。

🚀 快速開始

本項目是對一個在英 - 中語料上預訓練的MarianMT模型進行微調，目標語言對為英語 - 越南語。 訓練的第一階段（混合階段）在同時包含英 - 中和英 - 越句子的數據集上進行。 訓練的第二階段（純階段）在僅包含英 - 越句子的數據集上進行。

💻 使用示例

基礎用法

%%capture
!pip install transformers transformers[sentencepiece]

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
# Download the pretrained model for English-Vietnamese available on the hub
model = AutoModelForSeq2SeqLM.from_pretrained("CLAck/en-vi")

tokenizer = AutoTokenizer.from_pretrained("CLAck/en-vi")
# Download a tokenizer that can tokenize English since the model Tokenizer doesn't know anymore how to do it
# We used the one coming from the initial model
# This tokenizer is used to tokenize the input sentence
tokenizer_en = AutoTokenizer.from_pretrained('Helsinki-NLP/opus-mt-en-zh')
# These special tokens are needed to reproduce the original tokenizer
tokenizer_en.add_tokens(["<2zh>", "<2vi>"], special_tokens=True)

sentence = "The cat is on the table"
# This token is needed to identify the target language
input_sentence = "<2vi> " + sentence 
translated = model.generate(**tokenizer_en(input_sentence, return_tensors="pt", padding=True))
output_sentence = [tokenizer.decode(t, skip_special_tokens=True) for t in translated]

📚 詳細文檔

訓練結果

混合階段

純階段

📄 許可證

本項目採用Apache - 2.0許可證。

項目信息