Long Ke T5 Base Translation Aihub En2ko

🚀 en2ko

這個模型是基於 KETI-AIR/long-ke-t5-base 在 KETI-AIR/aihub_koenzh_food_translation、KETI-AIR/aihub_scitech_translation、KETI-AIR/aihub_scitech20_translation、KETI-AIR/aihub_socialtech20_translation、KETI-AIR/aihub_spoken_language_translation 數據集上進行微調的版本。它在評估集上取得了以下成果：

• 損失值：0.6000
• BLEU分數：42.463
• 生成長度：30.6512

✨ 主要特性

• 支持英語到韓語的翻譯任務。
• 基於預訓練模型 KETI-AIR/long-ke-t5-base 進行微調，在特定數據集上有較好的表現。

📚 詳細文檔

模型描述

該模型是在特定數據集上對基礎模型 KETI-AIR/long-ke-t5-base 進行微調得到的，用於英語到韓語的翻譯任務。

預期用途與限制

文檔暫未提供相關信息。

訓練和評估數據

使用了 KETI-AIR/aihub_koenzh_food_translation、KETI-AIR/aihub_scitech_translation、KETI-AIR/aihub_scitech20_translation、KETI-AIR/aihub_socialtech20_translation、KETI-AIR/aihub_spoken_language_translation 等數據集。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：0.001
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 分佈式類型：多GPU
• 設備數量：8
• 總訓練批次大小：128
• 總評估批次大小：128
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 學習率調度器類型：線性
• 訓練輪數：3.0

訓練結果

框架版本

• Transformers 4.25.1
• Pytorch 1.12.0
• Datasets 2.8.0
• Tokenizers 0.13.2

📄 許可證

本模型採用 Apache-2.0 許可證。

📦 相關信息

💻 使用示例

示例 1

輸入: translate_en2ko: The Seoul Metropolitan Government said Wednesday that it would develop an AI-based congestion monitoring system to provide better information to passengers about crowd density at each subway station.

示例 2

輸入: translate_en2ko: According to Seoul Metro, the operator of the subway service in Seoul, the new service will help analyze the real-time flow of passengers and crowd levels in subway compartments, improving operational efficiency.