opus-mt-tc-big-fi-en

神经机器翻译模型，用于将芬兰语（fi）翻译为英语（en）。

该模型是 OPUS-MT project 的一部分，旨在使神经机器翻译模型广泛可用和可访问，适用于世界上许多语言。所有模型都是使用 Marian NMT 的出色框架训练的， Marian NMT 是一个使用纯C++编写的高效NMT实现。模型已经使用huggingface的transformers库转换为pyTorch。训练数据来自 OPUS ，训练流程使用了 OPUS-MT-train 的过程。

• 发表物： OPUS-MT – Building open translation services for the World 和 The Tatoeba Translation Challenge – Realistic Data Sets for Low Resource and Multilingual MT （如果您使用此模型，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",
}

模型信息

• 发布日期：2021-12-08
• 源语言：芬兰语
• 目标语言：英语
• 模型：transformer（大型）
• 数据：opusTCv20210807+bt（ source ）
• 分词：SentencePiece（spm32k，spm32k）
• 原始模型： opusTCv20210807+bt-2021-12-08.zip
• 更多发布模型的信息： OPUS-MT fin-eng README

用法

简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Kolme kolmanteen on kaksikymmentäseitsemän.",
    "Heille syntyi poikavauva."
]

model_name = "pytorch-models/opus-mt-tc-big-fi-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) )

您还可以使用transformers pipelines来使用OPUS-MT模型，例如：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-fi-en")
print(pipe("Kolme kolmanteen on kaksikymmentäseitsemän."))

基准测试

• 测试集翻译： opusTCv20210807+bt-2021-12-08.test.txt
• 测试集分数： opusTCv20210807+bt-2021-12-08.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

致谢

该工作得到 European Language Grid 的支持，作为 pilot project 2866 ，由欧洲研究理事会（ERC）在欧洲联盟的Horizon 2020研究和创新计划（授权合同编号 771113）下资助，以及 FoTran project 的支持，由欧洲联盟的Horizon 2020研究和创新计划在授权合同编号 780069 下资助。我们还感谢芬兰的 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：f084bad
• 转换时间：Tue Mar 22 14:52:19 EET 2022
• 转换机器：LM0-400-22516.local