Translation En Ru

🚀 英俄翻譯模型

本模型基於 Helsinki-NLP/opus-mt-en-ru 進行微調，使用了包含 COVID - 19 相關術語的 tico19 數據集。該模型可用於醫學文本的翻譯。

🚀 快速開始

運行模型

from transformers import pipeline

model_checkpoint = "glazzova/ml_translation_model1"
translator = pipeline("translation", model=model_checkpoint)
translator("i have a little cold and a cough")

# у меня есть простуда и кашель

✨ 主要特性

• 基於特定數據集微調，適用於醫學文本翻譯。
• 提供了在測試數據上的損失和 Bleu 指標結果。

📦 安裝指南

文檔未提及具體安裝步驟，暫無法提供。

💻 使用示例

基礎用法

from transformers import pipeline

model_checkpoint = "glazzova/ml_translation_model1"
translator = pipeline("translation", model=model_checkpoint)
translator("i have a little cold and a cough")

# у меня есть простуда и кашель

📚 詳細文檔

測試數據結果

超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：2e - 05
• 訓練批次大小（train_batch_size）：32
• 評估批次大小（eval_batch_size）：64
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：3
• 混合精度訓練（mixed_precision_training）：Native AMP

框架版本

• Transformers：4.40.0
• Pytorch：2.2.1 + cu121
• Datasets：2.19.0
• Tokenizers：0.19.1

🔧 技術細節

本模型在預訓練模型 Helsinki - NLP/opus - mt - en - ru 的基礎上，使用包含 COVID - 19 相關術語的 tico19 數據集進行微調，以適應醫學文本的翻譯任務。通過設置特定的超參數，如學習率、批次大小等，在一定輪數的訓練後，得到了在測試數據上的相應損失和 Bleu 指標結果。

📄 許可證

本模型採用 Apache - 2.0 許可證。

📋 模型信息