Opus Mt Tc Big De Zle

🚀 opus-mt-tc-big-de-zle

opus-mt-tc-big-de-zle 是一個用於將德語（de）翻譯成東斯拉夫語系（zle）的神經機器翻譯模型。該模型是 OPUS - MT 項目的一部分，旨在讓全球多種語言的神經機器翻譯模型廣泛可用。

🚀 快速開始

本模型是多語言翻譯模型，支持多種目標語言。使用時，句子開頭需要以 >>id<<（id 為有效的目標語言 ID）的形式添加語言標記，例如 >>bel<<。

以下是一個簡單的示例代碼：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    ">>ukr<< Der Soldat hat mir Wasser gegeben.",
    ">>ukr<< Ich will hier nicht essen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-zle"
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:
#     Солдат дав мені воду.
#     Я не хочу тут їсти.

你也可以使用 transformers 庫的 pipeline 來調用 OPUS - MT 模型，示例如下：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-zle")
print(pipe(">>ukr<< Der Soldat hat mir Wasser gegeben."))

# expected output: Солдат дав мені воду.

✨ 主要特性

• 屬於 OPUS - MT 項目，該項目致力於讓神經機器翻譯模型廣泛可用。
• 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。
• 模型已使用 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 的方法。

📦 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 MarianMTModel, MarianTokenizer

src_text = [
    ">>ukr<< Der Soldat hat mir Wasser gegeben.",
    ">>ukr<< Ich will hier nicht essen."
]

model_name = "pytorch-models/opus-mt-tc-big-de-zle"
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:
#     Солдат дав мені воду.
#     Я не хочу тут їсти.

高級用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-de-zle")
print(pipe(">>ukr<< Der Soldat hat mir Wasser gegeben."))

# expected output: Солдат дав мені воду.

📚 詳細文檔

模型信息

基準測試

• 測試集翻譯結果：opusTCv20210807_transformer - big_2022 - 03 - 23.test.txt
• 測試集得分：opusTCv20210807_transformer - big_2022 - 03 - 23.eval.txt
• 基準測試結果：benchmark_results.txt
• 基準測試輸出：benchmark_translations.zip

模型轉換信息

• transformers 版本：4.16.2
• OPUS - MT git 哈希值：1bdabf7
• 轉換時間：Thu Mar 24 01:29:09 EET 2022
• 轉換機器：LM0 - 400 - 22516.local

🔧 技術細節

本模型是 OPUS - MT 項目的一部分，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。之後使用 huggingface 的 transformers 庫將模型轉換為 PyTorch 格式。訓練數據來源於 OPUS，訓練流程遵循 OPUS - MT - train 的方法。

📄 許可證

本模型使用 CC - BY - 4.0 許可證。

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

本工作得到了以下項目的支持：

• European Language Grid 的 pilot project 2866。
• FoTran 項目，由歐洲研究理事會（ERC）在歐盟的 Horizon 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 Horizon 2020 研究和創新計劃資助，資助協議編號 780069。

同時，我們感謝 CSC -- IT Center for Science（芬蘭）提供的慷慨計算資源和 IT 基礎設施。