Wmt19 En De

🚀 FSMT

FSMT 是一个用于机器翻译的模型，它基于 fairseq 的 wmt19 变压器架构，支持英语和德语之间的翻译。该模型在 WMT19 数据集上进行训练，可用于新闻翻译等任务。

🚀 快速开始

模型描述

这是 fairseq wmt19 transformer 英语到德语的移植版本。

更多详细信息，请参阅 Facebook FAIR's WMT19 News Translation Task Submission。

缩写 FSMT 代表 FairSeqMachineTranslation（FairSeq 机器翻译）。

所有四个模型均可使用：

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

✨ 主要特性

• 支持英语和德语之间的翻译。
• 基于 fairseq 的 wmt19 变压器架构。
• 提供四个不同方向的翻译模型。

💻 使用示例

基础用法

from transformers import FSMTForConditionalGeneration, FSMTTokenizer
mname = "facebook/wmt19-en-de"
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) # Maschinelles Lernen ist großartig, oder?

📚 详细文档

预期用途与限制

如何使用

上述代码展示了如何使用该模型进行英语到德语的翻译。

限制和偏差

• 原始模型（以及此移植版本）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 发布的原始模型相同。更多详细信息，请参阅 论文。

评估结果

由于 transformers 目前不支持以下内容，因此得分略低于 fairseq 报告的得分：

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

得分使用以下代码计算：

git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=en-de
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

该模型使用 apache-2.0 许可证。