Long Ke T5 Base Translation Aihub En2ko

🚀 en2ko

这个模型是基于 KETI-AIR/long-ke-t5-base 在 KETI-AIR/aihub_koenzh_food_translation、KETI-AIR/aihub_scitech_translation、KETI-AIR/aihub_scitech20_translation、KETI-AIR/aihub_socialtech20_translation、KETI-AIR/aihub_spoken_language_translation 数据集上进行微调的版本。它在评估集上取得了以下成果：

• 损失值：0.6000
• BLEU分数：42.463
• 生成长度：30.6512

✨ 主要特性

• 支持英语到韩语的翻译任务。
• 基于预训练模型 KETI-AIR/long-ke-t5-base 进行微调，在特定数据集上有较好的表现。

📚 详细文档

模型描述

该模型是在特定数据集上对基础模型 KETI-AIR/long-ke-t5-base 进行微调得到的，用于英语到韩语的翻译任务。

预期用途与限制

文档暂未提供相关信息。

训练和评估数据

使用了 KETI-AIR/aihub_koenzh_food_translation、KETI-AIR/aihub_scitech_translation、KETI-AIR/aihub_scitech20_translation、KETI-AIR/aihub_socialtech20_translation、KETI-AIR/aihub_spoken_language_translation 等数据集。

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：0.001
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 分布式类型：多GPU
• 设备数量：8
• 总训练批次大小：128
• 总评估批次大小：128
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 学习率调度器类型：线性
• 训练轮数：3.0

训练结果

框架版本

• Transformers 4.25.1
• Pytorch 1.12.0
• Datasets 2.8.0
• Tokenizers 0.13.2

📄 许可证

本模型采用 Apache-2.0 许可证。

📦 相关信息

💻 使用示例

示例 1

输入: translate_en2ko: The Seoul Metropolitan Government said Wednesday that it would develop an AI-based congestion monitoring system to provide better information to passengers about crowd density at each subway station.

示例 2

输入: translate_en2ko: According to Seoul Metro, the operator of the subway service in Seoul, the new service will help analyze the real-time flow of passengers and crowd levels in subway compartments, improving operational efficiency.