Legal T5 Small Trans Cs En Small Finetuned

🚀 legal_t5_small_trans_cs_en_small_finetuned模型

legal_t5_small_trans_cs_en_small_finetuned是一个用于将法律文本从捷克语翻译成英语的模型。它首次发布于 此仓库。该模型先在所有翻译数据上针对一些无监督任务进行预训练，然后在来自jrc - acquis、europarl和dcep的三个平行语料库上进行训练。

🚀 快速开始

本模型可用于将法律文本从捷克语翻译成英语。以下是在PyTorch中使用该模型进行翻译的示例：

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_cs_en_small_finetuned"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_cs_en", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

cs_text = "4) Seznam užívaných výrobků s obsahem PFOS: Kvůli značnému poklesu výroby PFOS po roce 2000 představují největší zdroj emisí patrně dřívější využití, která však nadále reálně existují."

pipeline([cs_text], max_length=512)

✨ 主要特性

• 该模型基于t5 - small模型，在大规模平行文本语料库上进行训练。
• 是一个较小的模型，通过使用dmodel = 512、dff = 2,048、8头注意力机制，且编码器和解码器各仅6层，将t5的基线模型进行了缩小。此变体约有6000万个参数。

📚 详细文档

模型描述

legal_t5_small_trans_cs_en_small_finetuned最初在训练集的所有数据上针对无监督任务进行预训练，该无监督任务是“掩码语言建模”。它基于t5 - small模型，在大量平行文本语料库上进行训练。

预期用途与局限性

该模型可用于将法律文本从捷克语翻译成英语。

训练数据

legal_t5_small_trans_cs_en_small_finetuned模型（涉及仅对应语言对的有监督任务，以及所有语言对数据都可用的无监督任务）在[JRC - ACQUIS](https://wt - public.emm4u.eu/Acquis/index_2.2.html)、EUROPARL和[DCEP](https://ec.europa.eu/jrc/en/language - technologies/dcep)数据集上进行训练，这些数据集包含500万个平行文本。

训练过程

• 训练环境：该模型在单个TPU Pod V3 - 8上总共训练了250K步，使用序列长度512（批量大小4096）。它总共有约2.2亿个参数，采用编码器 - 解码器架构进行训练。
• 优化器：预训练使用的优化器是AdaFactor，采用平方根倒数学习率调度。

预处理

使用从平行语料库（所有可能的语言对）的8800万行文本训练的一元模型来获取词汇表（使用字节对编码），该词汇表用于此模型。

预训练

预训练数据是来自所有42个语言对的组合数据。模型的任务是预测句子中随机掩码的部分。

评估结果

当该模型用于翻译测试数据集时，取得了以下结果：

BibTeX引用与引用信息

由 Ahmed Elnaggar/@Elnaggar_AI 创建 | [领英](https://www.linkedin.com/in/prof - ahmed - elnaggar/)

📄 许可证

文档未提及相关许可证信息。