Opus Mt Tc Big Ko En

🚀 opus-mt-tc-big-ko-en

這是一個用於韓語（ko）到英語（en）翻譯的神經機器翻譯模型，屬於OPUS - MT項目的一部分，能讓更多人方便地使用神經機器翻譯服務。

🚀 快速開始

示例代碼

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2, 4, 6 등은 짝수이다.",
    "네."
]

model_name = "pytorch-models/opus-mt-tc-big-ko-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     2, 4, and 6 are even.
#     Yeah.

你也可以使用transformers的管道來使用OPUS - MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ko-en")
print(pipe("2, 4, 6 등은 짝수이다."))

# expected output: 2, 4, and 6 are even.

✨ 主要特性

該模型可用於翻譯和文本到文本的生成任務。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2, 4, 6 등은 짝수이다.",
    "네."
]

model_name = "pytorch-models/opus-mt-tc-big-ko-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     2, 4, and 6 are even.
#     Yeah.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ko-en")
print(pipe("2, 4, 6 등은 짝수이다."))

# expected output: 2, 4, and 6 are even.

📚 詳細文檔

模型詳情

這是一個用於將韓語（ko）翻譯成英語（en）的神經機器翻譯模型。

該模型是OPUS - MT項目的一部分，此項目旨在讓神經機器翻譯模型在世界多種語言中廣泛可用。所有模型最初使用Marian NMT框架進行訓練，這是一個用純C++編寫的高效NMT實現。這些模型通過huggingface的transformers庫轉換為pyTorch格式。訓練數據來自OPUS，訓練流程採用OPUS - MT - train的程序。

模型描述：

訓練信息

• 數據：opusTCv20210807 (來源)
• 預處理：SentencePiece (spm32k,spm32k)
• 模型類型：transformer - big
• 原始MarianNMT模型：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip
• 訓練腳本：GitHub倉庫

評估信息

• 測試集翻譯結果：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.test.txt
• 測試集得分：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.eval.txt
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

引用信息

• 出版物：OPUS - MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果使用此模型，請引用）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} Building open translation services for the World",
    author = {Tiedemann, J{\"o}rg  and Thottingal, Santhosh},
    booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
    month = nov,
    year = "2020",
    address = "Lisboa, Portugal",
    publisher = "European Association for Machine Translation",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "Proceedings of the Fifth Conference on Machine Translation",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.wmt-1.139",
    pages = "1174--1182",
}

致謝

這項工作得到了以下項目的支持：

• 歐洲語言網格 的 試點項目2866
• FoTran項目，由歐洲研究理事會（ERC）在歐盟的“地平線2020”研究和創新計劃（資助協議編號771113）下資助
• MeMAD項目，由歐盟的“地平線2020”研究和創新計劃資助，資助協議編號780069

我們也感謝芬蘭CSC -- IT Center for Science提供的慷慨計算資源和IT基礎設施。

模型轉換信息

• transformers版本：4.16.2
• OPUS - MT git哈希值：8b9f0b0
• 轉換時間：Fri Aug 12 11:19:05 EEST 2022
• 轉換機器：LM0 - 400 - 22516.local

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

📄 許可證

該模型使用CC - BY - 4.0許可證。

⚠️ 重要提示

讀者應注意，該模型是在各種公共數據集上訓練的，這些數據集可能包含令人不安、冒犯性的內容，並可能傳播歷史和當前的刻板印象。

💡 使用建議

大量研究已經探討了語言模型的偏差和公平性問題（例如，參見 Sheng等人（2021） 和 Bender等人（2021））。