Wmt19 En Ru

🚀 FSMT

FSMT是用于机器翻译的模型，它基于fairseq wmt19 transformer进行移植，支持英语和俄语等语言的互译。该模型在新闻翻译任务中表现良好，为自然语言处理领域的翻译工作提供了有效的解决方案。

🚀 快速开始

以下是使用该模型进行英语到俄语翻译的示例代码：

from transformers import FSMTForConditionalGeneration, FSMTTokenizer
mname = "facebook/wmt19-en-ru"
tokenizer = FSMTTokenizer.from_pretrained(mname)
model = FSMTForConditionalGeneration.from_pretrained(mname)

input = "Machine learning is great, isn't it?"
input_ids = tokenizer.encode(input, return_tensors="pt")
outputs = model.generate(input_ids)
decoded = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(decoded) # Машинное обучение - это здорово, не так ли?

✨ 主要特性

• 多语言支持：支持英语和俄语、英语和德语的双向翻译，涵盖四种不同的翻译方向。
• 模型移植：是fairseq wmt19 transformer的移植版本，保留了原模型的特性。
• 可复现性：预训练权重与fairseq发布的原始模型相同，便于复现实验结果。

📚 详细文档

模型描述

这是针对英语到俄语翻译的fairseq wmt19 transformer的移植版本。

更多详细信息，请参阅 Facebook FAIR的WMT19新闻翻译任务提交。

缩写FSMT代表FairSeq Machine Translation。

所有四个模型均可使用：

• wmt19-en-ru
• wmt19-ru-en
• wmt19-en-de
• wmt19-de-en

预期用途与限制

使用方法

上述快速开始部分已给出使用示例。

限制和偏差

• 原始模型（以及此移植模型）似乎不能很好地处理包含重复子短语的输入，内容会被截断

训练数据

预训练权重与fairseq发布的原始模型保持一致。更多详细信息，请参阅论文。

评估结果

该分数略低于fairseq报告的分数，因为transformers目前不支持：

• 模型集成，因此移植了性能最佳的检查点（model4.pt）。
• 重新排序

分数使用以下代码计算：

git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=en-ru
export DATA_DIR=data/$PAIR
export SAVE_DIR=data/$PAIR
export BS=8
export NUM_BEAMS=15
mkdir -p $DATA_DIR
sacrebleu -t wmt19 -l $PAIR --echo src > $DATA_DIR/val.source
sacrebleu -t wmt19 -l $PAIR --echo ref > $DATA_DIR/val.target
echo $PAIR
PYTHONPATH="src:examples/seq2seq" python examples/seq2seq/run_eval.py facebook/wmt19-$PAIR $DATA_DIR/val.source $SAVE_DIR/test_translations.txt --reference_path $DATA_DIR/val.target --score_path $SAVE_DIR/test_bleu.json --bs $BS --task translation --num_beams $NUM_BEAMS

注意：fairseq报告使用的束宽为50，因此如果使用--num_beams 50重新运行，你应该会得到略高的分数。

数据来源

• 训练数据等
• 测试集

BibTeX引用和引用信息

@inproceedings{...,
  year={2020},
  title={Facebook FAIR's WMT19 News Translation Task Submission},
  author={Ng, Nathan and Yee, Kyra and Baevski, Alexei and Ott, Myle and Auli, Michael and Edunov, Sergey},
  booktitle={Proc. of WMT},
}

待办事项

• 移植模型集成（fairseq使用4个模型检查点）

📄 许可证

本模型使用的许可证为Apache-2.0。