Mbart Ja En

🚀 mbart-ja-en

本模型基於 facebook/mbart-large-cc25，並使用 JESC 數據集進行了微調。它可用於日語和英語之間的翻譯任務，為相關自然語言處理應用提供支持。

🚀 快速開始

以下是使用該模型進行翻譯的示例代碼：

from transformers import (
    MBartForConditionalGeneration, MBartTokenizer
)

tokenizer = MBartTokenizer.from_pretrained("ken11/mbart-ja-en")
model = MBartForConditionalGeneration.from_pretrained("ken11/mbart-ja-en")

inputs = tokenizer("こんにちは", return_tensors="pt")
translated_tokens = model.generate(**inputs, decoder_start_token_id=tokenizer.lang_code_to_id["en_XX"], early_stopping=True, max_length=48)
pred = tokenizer.batch_decode(translated_tokens, skip_special_tokens=True)[0]
print(pred)

✨ 主要特性

• 基於強大的 facebook/mbart-large-cc25 模型，具備良好的語言理解和生成能力。
• 使用 JESC 數據集進行微調，更適合日語和英語之間的翻譯。

📦 安裝指南

文檔中未提及具體安裝命令，若需使用該模型，可參考 transformers 庫的安裝方法：

pip install transformers

📚 詳細文檔

訓練數據

使用 JESC 數據集進行訓練，感謝該數據集的發佈者提供如此大規模的語料。

分詞器

分詞器使用了在 JESC 數據集上訓練的 sentencepiece。

評估結果

對 京都大學 JEC 基礎句子數據 進行 sacrebleu 分數評估，結果為 18.18。

📄 許可證

本項目採用 MIT 許可證。