Adabtranslate Darija

🚀 AdabTranslate-Darija

AdabTranslate-Darija 是 moussaKam/arabart 的微调版本，可实现从 Darija（摩洛哥阿拉伯语）到现代标准阿拉伯语（MSA）的翻译。它在评估集上取得了优异的成绩，能有效促进语言交流和文化传播。

🚀 快速开始

在安装必要的库之后，只需复制并粘贴以下代码即可使用该模型：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_path = 'itsmeussa/AdabTranslate-Darija'

model = AutoModelForSeq2SeqLM.from_pretrained(model_path)

tokenizer = AutoTokenizer.from_pretrained('moussaKam/arabart')


seq = "مرحبا بيكم"
tok = tokenizer.encode(seq, return_tensors='pt')

res = model.generate(tok)
tokenizer.decode(res[0])

✨ 主要特性

• 高精度与流畅性：该模型基于 26,000 个文本对进行训练，这些文本对由人工注释并使用 GPT - 4 技术进行增强。它在 Darija 和现代标准阿拉伯语（MSA）之间的翻译中实现了出色的准确性和流畅性。
• 广泛适用性：适用于语言爱好者、研究人员和从事多语言项目的开发人员等各类用户，在多种场景下都能保证一定的准确性和有效性。
• 先进技术驱动：由 Hugging Face Transformers 库提供支持，代表了自然语言处理技术的重大进步。

📦 安装指南

文档未提及具体安装步骤，可参考 Hugging Face 相关库的安装说明来安装必要的库，如 transformers、torch、datasets、tokenizers 等。

💻 使用示例

基础用法

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_path = 'itsmeussa/AdabTranslate-Darija'

model = AutoModelForSeq2SeqLM.from_pretrained(model_path)

tokenizer = AutoTokenizer.from_pretrained('moussaKam/arabart')


seq = "مرحبا بيكم"
tok = tokenizer.encode(seq, return_tensors='pt')

res = model.generate(tok)
tokenizer.decode(res[0])

📚 详细文档

模型描述

Darija 到 MSA 翻译器是一款先进的翻译模型，它在由人工注释并使用 GPT - 4 技术增强的 26,000 个文本对的多样化数据集上进行了精心训练。该模型利用 Hugging Face 上可用的数据集，并采用先进的训练技术，在 Darija（摩洛哥阿拉伯语）和现代标准阿拉伯语（MSA）之间的翻译中实现了卓越的准确性和流畅性。它由 Hugging Face Transformers 库提供支持，是自然语言处理技术的重大进步，是消除语言障碍和促进语言多样性的宝贵工具。

预期用途和局限性

Darija 到 MSA 翻译器旨在满足广泛用户的需求，包括语言爱好者、研究人员和从事多语言项目的开发人员。它在多样化数据集上的强大训练确保了在各种上下文中的准确性和有效性。然而，用户应注意其局限性，特别是在高度专业化或特定领域的翻译中，可能需要进行额外的微调。

训练和评估数据

训练数据由通过人工注释生成并使用 GPT - 4 技术增强的 26,000 个文本对组成。这些数据集来自 Hugging Face，确保了用于训练的示例全面且多样化。评估数据经过精心挑选，以验证模型在现实场景中的性能和准确性，确保其在实际应用中的可靠性和有效性。

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率（learning_rate）：5e - 05
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：5.0

训练结果

框架版本

• Transformers 4.40.0.dev0
• Pytorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2

🔧 技术细节

该模型是 moussaKam/arabart 的微调版本，使用了 Hugging Face Transformers 库。在训练过程中，采用了特定的超参数，如学习率、批次大小等，以优化模型性能。通过在多样化的数据集上进行训练和评估，确保了模型在实际应用中的可靠性和有效性。

📄 许可证

本模型使用 Apache - 2.0 许可证。

作者

• Oussama Mounajjim
• Imad Zaoug
• Mehdi Soufiane