M2M100 Sanskrit English

🚀 Swamitucats/M2M100_Sanskrit_English 模型卡片

本模型专为梵语到英语的翻译任务而设计，基于M2M100模型进行微调，使用包含梵语史诗翻译的Itihasa数据集进行训练，能有效助力梵语与英语之间的翻译工作。

🚀 快速开始

使用以下代码即可开始使用该模型：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model = AutoModelForSeq2SeqLM.from_pretrained("Swamitucats/M2M100_Sanskrit_English")
tokenizer = AutoTokenizer.from_pretrained("Swamitucats/M2M100_Sanskrit_English")

sanskrit_text = "Your Sanskrit text here"
inputs = tokenizer(sanskrit_text, return_tensors="pt")
outputs = model.generate(**inputs)
english_translation = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(english_translation)

📚 详细文档

模型详情

• 开发者：[待补充更多信息]
• 共享者（可选）：[待补充更多信息]
• 模型类型：[待补充更多信息]
• 支持语言（NLP）：['sa', 'en']
• 许可证：mit
• 微调基础模型（可选）：facebook/m2m100_418M

此模型是从M2M100微调而来，用于梵语到英语的翻译。它在Itihasa数据集上进行训练，该数据集包含梵语史诗的翻译。

模型来源（可选）

• 仓库：[待补充更多信息]
• 论文（可选）：[待补充更多信息]
• 演示（可选）：[待补充更多信息]

模型使用

直接使用

[待补充更多信息]

下游使用（可选）

[待补充更多信息]

超出适用范围的使用

[待补充更多信息]

偏差、风险和局限性

[待补充更多信息]

建议

用户（包括直接用户和下游用户）应了解模型的风险、偏差和局限性。如需进一步建议，还需更多信息。

训练详情

训练数据

[待补充更多信息]

训练过程

预处理（可选）

[待补充更多信息]

训练超参数

• 训练机制：[待补充更多信息]

速度、规模、时间（可选）

[待补充更多信息]

评估

测试数据、因素和指标

测试数据

[待补充更多信息]

因素

[待补充更多信息]

指标

[待补充更多信息]

结果

[待补充更多信息]

模型检查（可选）

[待补充更多信息]

环境影响

可以使用 Lacoste等人（2019） 中提出的 机器学习影响计算器 来估算碳排放。

• 硬件类型：[待补充更多信息]
• 使用时长：[待补充更多信息]
• 云服务提供商：[待补充更多信息]
• 计算区域：[待补充更多信息]
• 碳排放：[待补充更多信息]

技术规格（可选）

模型架构和目标

[待补充更多信息]

计算基础设施

硬件

[待补充更多信息]

软件

[待补充更多信息]

引用（可选）

BibTeX

[待补充更多信息]

APA

[待补充更多信息]

术语表（可选）

[待补充更多信息]

更多信息（可选）

[待补充更多信息]

模型卡片作者（可选）

[待补充更多信息]

模型卡片联系方式

[待补充更多信息]

📄 许可证

本模型使用的许可证为 MIT 许可证。

⚠️ 重要提示

用户（包括直接用户和下游用户）应了解模型的风险、偏差和局限性。如需进一步建议，还需更多信息。

💡 使用建议

目前暂无更多使用建议，待获取更多信息后可进一步补充。