xlm-mlm-enfr-1024

目录

模型详情

XLM模型是由Guillaume Lample和Alexis Conneau于 Cross-lingual Language Model Pretraining 提出的。xlm-mlm-enfr-1024是使用掩码语言建模（MLM）目标针对英法进行预训练的transformer模型。该模型使用语言嵌入来指定推理中使用的语言。更多详细信息请参见 Hugging Face Multilingual Models for Inference docs 。

模型描述

• 开发者：Guillaume Lample、Alexis Conneau，详见 associated paper
• 模型类型：语言模型
• 语言（NLP）：英法
• 许可证：CC-BY-NC-4.0
• 相关模型： xlm-clm-ende-1024 、 xlm-clm-ende-1024 、 xlm-mlm-ende-1024 、 xlm-mlm-enro-1024
• 了解更多信息的资源：
  • Associated paper
  • GitHub Repo
  • Hugging Face Multilingual Models for Inference docs

用途

直接应用

该模型是一个语言模型。可以用于掩码语言建模。

下游应用

要了解有关该任务和潜在下游应用的更多信息，请参见Hugging Face的 fill mask docs 和 Hugging Face Multilingual Models for Inference 文档。

不适用范围

不应将该模型用于故意创建敌对或使人感到疏远的环境。

偏见、风险和限制

大量研究已经探讨了语言模型的偏见和公平性问题（参见 Sheng et al. (2021) 和 Bender et al. (2021) 等）。

建议

用户（包括直接用户和下游用户）应意识到模型的风险、偏见和限制。

训练

模型开发者表示：

在所有实验中，我们使用了Transformer架构，具有1024个隐藏单元、8个头部、GELU激活函数（Hendrycks和Gimpel，2016）、0.1的dropout率和学习的位置嵌入。我们使用Adam优化器（Kingma和Ba，2014）、线性warm-up（Vaswani等，2017）和学习率从10^-4到5.10^-4变化来训练模型。

有关训练数据和训练过程的链接、引用和更多细节，请参见 associated paper 。

模型开发者还写道：

如果您使用这些模型，应使用相同的数据预处理/BPE编码对数据进行预处理。

有关详细信息，请参见相关的 GitHub Repo 。

评估

测试数据、因素和度量

模型开发者使用 WMT'14 English-French 数据集和 BLEU metric 进行了模型评估。有关测试数据、因素和度量的更多详细信息，请参阅 associated paper 。

结果

有关xlm-mlm-enfr-1024的结果，请参见 associated paper 的表1和表2。

环境影响

可以使用 Machine Learning Impact calculator 中提供的 Lacoste et al. (2019) 来估计碳排放。

• 硬件类型：需要更多信息
• 使用小时数：需要更多信息
• 云服务提供商：需要更多信息
• 计算区域：需要更多信息
• 碳排放：需要更多信息

技术规格

模型开发者写道：

我们使用PyTorch（Paszke等，2017）实现了所有模型，对于语言建模任务，使用64个Volta GPU进行训练，对于MT任务，使用8个GPU。我们使用float16操作来加速训练和减少模型的内存使用。

有关详细信息，请参阅 associated paper 。

引用

BibTeX：

@article{lample2019cross,
  title={Cross-lingual language model pretraining},
  author={Lample, Guillaume and Conneau, Alexis},
  journal={arXiv preprint arXiv:1901.07291},
  year={2019}
}

APA：

• Lample, G., & Conneau, A. (2019). Cross-lingual language model pretraining. arXiv preprint arXiv:1901.07291.

模型卡片作者

本模型卡片由Hugging Face团队撰写。

如何开始使用该模型。

需要更多信息。该模型使用语言嵌入来指定推理中使用的语言。有关更多详细信息，请参阅 Hugging Face Multilingual Models for Inference docs 。