M2M100 Sanskrit English

🚀 Swamitucats/M2M100_Sanskrit_English 模型卡片

本模型專為梵語到英語的翻譯任務而設計，基於M2M100模型進行微調，使用包含梵語史詩翻譯的Itihasa數據集進行訓練，能有效助力梵語與英語之間的翻譯工作。

🚀 快速開始

使用以下代碼即可開始使用該模型：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model = AutoModelForSeq2SeqLM.from_pretrained("Swamitucats/M2M100_Sanskrit_English")
tokenizer = AutoTokenizer.from_pretrained("Swamitucats/M2M100_Sanskrit_English")

sanskrit_text = "Your Sanskrit text here"
inputs = tokenizer(sanskrit_text, return_tensors="pt")
outputs = model.generate(**inputs)
english_translation = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(english_translation)

📚 詳細文檔

模型詳情

• 開發者：[待補充更多信息]
• 共享者（可選）：[待補充更多信息]
• 模型類型：[待補充更多信息]
• 支持語言（NLP）：['sa', 'en']
• 許可證：mit
• 微調基礎模型（可選）：facebook/m2m100_418M

此模型是從M2M100微調而來，用於梵語到英語的翻譯。它在Itihasa數據集上進行訓練，該數據集包含梵語史詩的翻譯。

模型來源（可選）

• 倉庫：[待補充更多信息]
• 論文（可選）：[待補充更多信息]
• 演示（可選）：[待補充更多信息]

模型使用

直接使用

[待補充更多信息]

下游使用（可選）

[待補充更多信息]

超出適用範圍的使用

[待補充更多信息]

偏差、風險和侷限性

[待補充更多信息]

建議

用戶（包括直接用戶和下游用戶）應瞭解模型的風險、偏差和侷限性。如需進一步建議，還需更多信息。

訓練詳情

訓練數據

[待補充更多信息]

訓練過程

預處理（可選）

[待補充更多信息]

訓練超參數

• 訓練機制：[待補充更多信息]

速度、規模、時間（可選）

[待補充更多信息]

評估

測試數據、因素和指標

測試數據

[待補充更多信息]

因素

[待補充更多信息]

指標

[待補充更多信息]

結果

[待補充更多信息]

模型檢查（可選）

[待補充更多信息]

環境影響

可以使用 Lacoste等人（2019） 中提出的 機器學習影響計算器 來估算碳排放。

• 硬件類型：[待補充更多信息]
• 使用時長：[待補充更多信息]
• 雲服務提供商：[待補充更多信息]
• 計算區域：[待補充更多信息]
• 碳排放：[待補充更多信息]

技術規格（可選）

模型架構和目標

[待補充更多信息]

計算基礎設施

硬件

[待補充更多信息]

軟件

[待補充更多信息]

引用（可選）

BibTeX

[待補充更多信息]

APA

[待補充更多信息]

術語表（可選）

[待補充更多信息]

更多信息（可選）

[待補充更多信息]

模型卡片作者（可選）

[待補充更多信息]

模型卡片聯繫方式

[待補充更多信息]

📄 許可證

本模型使用的許可證為 MIT 許可證。

⚠️ 重要提示

用戶（包括直接用戶和下游用戶）應瞭解模型的風險、偏差和侷限性。如需進一步建議，還需更多信息。

💡 使用建議

目前暫無更多使用建議，待獲取更多信息後可進一步補充。