Opus Mt Tc Big Ko En

🚀 opus-mt-tc-big-ko-en

这是一个用于韩语（ko）到英语（en）翻译的神经机器翻译模型，属于OPUS - MT项目的一部分，能让更多人方便地使用神经机器翻译服务。

🚀 快速开始

示例代码

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2, 4, 6 등은 짝수이다.",
    "네."
]

model_name = "pytorch-models/opus-mt-tc-big-ko-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     2, 4, and 6 are even.
#     Yeah.

你也可以使用transformers的管道来使用OPUS - MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ko-en")
print(pipe("2, 4, 6 등은 짝수이다."))

# expected output: 2, 4, and 6 are even.

✨ 主要特性

该模型可用于翻译和文本到文本的生成任务。

📦 安装指南

文档未提及安装步骤，故跳过此章节。

💻 使用示例

基础用法

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "2, 4, 6 등은 짝수이다.",
    "네."
]

model_name = "pytorch-models/opus-mt-tc-big-ko-en"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
translated = model.generate(**tokenizer(src_text, return_tensors="pt", padding=True))

for t in translated:
    print( tokenizer.decode(t, skip_special_tokens=True) )

# expected output:
#     2, 4, and 6 are even.
#     Yeah.

高级用法

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-ko-en")
print(pipe("2, 4, 6 등은 짝수이다."))

# expected output: 2, 4, and 6 are even.

📚 详细文档

模型详情

这是一个用于将韩语（ko）翻译成英语（en）的神经机器翻译模型。

该模型是OPUS - MT项目的一部分，此项目旨在让神经机器翻译模型在世界多种语言中广泛可用。所有模型最初使用Marian NMT框架进行训练，这是一个用纯C++编写的高效NMT实现。这些模型通过huggingface的transformers库转换为pyTorch格式。训练数据来自OPUS，训练流程采用OPUS - MT - train的程序。

模型描述：

训练信息

• 数据：opusTCv20210807 (来源)
• 预处理：SentencePiece (spm32k,spm32k)
• 模型类型：transformer - big
• 原始MarianNMT模型：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.zip
• 训练脚本：GitHub仓库

评估信息

• 测试集翻译结果：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.test.txt
• 测试集得分：opusTCv20210807 - sepvoc_transformer - big_2022 - 07 - 28.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

引用信息

• 出版物：OPUS - MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果使用此模型，请引用）

@inproceedings{tiedemann-thottingal-2020-opus,
    title = "{OPUS}-{MT} {--} Building open translation services for the World",
    author = {Tiedemann, J{\"o}rg  and Thottingal, Santhosh},
    booktitle = "Proceedings of the 22nd Annual Conference of the European Association for Machine Translation",
    month = nov,
    year = "2020",
    address = "Lisboa, Portugal",
    publisher = "European Association for Machine Translation",
    url = "https://aclanthology.org/2020.eamt-1.61",
    pages = "479--480",
}

@inproceedings{tiedemann-2020-tatoeba,
    title = "The Tatoeba Translation Challenge {--} Realistic Data Sets for Low Resource and Multilingual {MT}",
    author = {Tiedemann, J{\"o}rg},
    booktitle = "Proceedings of the Fifth Conference on Machine Translation",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2020.wmt-1.139",
    pages = "1174--1182",
}

致谢

这项工作得到了以下项目的支持：

• 欧洲语言网格 的 试点项目2866
• FoTran项目，由欧洲研究理事会（ERC）在欧盟的“地平线2020”研究和创新计划（资助协议编号771113）下资助
• MeMAD项目，由欧盟的“地平线2020”研究和创新计划资助，资助协议编号780069

我们也感谢芬兰CSC -- IT Center for Science提供的慷慨计算资源和IT基础设施。

模型转换信息

• transformers版本：4.16.2
• OPUS - MT git哈希值：8b9f0b0
• 转换时间：Fri Aug 12 11:19:05 EEST 2022
• 转换机器：LM0 - 400 - 22516.local

🔧 技术细节

文档未提供具体的技术实现细节，故跳过此章节。

📄 许可证

该模型使用CC - BY - 4.0许可证。

⚠️ 重要提示

读者应注意，该模型是在各种公共数据集上训练的，这些数据集可能包含令人不安、冒犯性的内容，并可能传播历史和当前的刻板印象。

💡 使用建议

大量研究已经探讨了语言模型的偏差和公平性问题（例如，参见 Sheng等人（2021） 和 Bender等人（2021））。