opus-mt-tc-big-tr-en

神经机器翻译模型，用于将土耳其语（tr）翻译成英语（en）。

此模型是 OPUS-MT project 的一部分，旨在使神经机器翻译模型在世界上许多语言中广泛可用和可访问。所有模型最初使用 Marian NMT 的优秀框架进行训练，这是一个用纯 C++ 编写的高效 NMT 实现。使用 transformers 库和 huggingface 将模型转换为 pyTorch。训练数据取自 OPUS ，并使用 OPUS-MT-train 的流程进行训练。

• 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",
}

模型信息

• 发布日期：2022-03-17
• 源语言：tur
• 目标语言：eng
• 模型：transformer-big
• 数据：opusTCv20210807+bt（ source ）
• 分词：SentencePiece（spm32k,spm32k）
• 原始模型： opusTCv20210807+bt_transformer-big_2022-03-17.zip
• 更多信息发布模型： OPUS-MT tur-eng README

用法

简短的示例代码：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "Allahsızlığı Yayma Kürsüsü başkanıydı.",
    "Tom'a ne olduğunu öğrenin."
]

model_name = "pytorch-models/opus-mt-tc-big-tr-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:
#     He was the president of the Curse of Spreading Godlessness.
#     Find out what happened to Tom.

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

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-tr-en")
print(pipe("Allahsızlığı Yayma Kürsüsü başkanıydı."))

# expected output: He was the president of the Curse of Spreading Godlessness.

基准测试

• 测试集翻译： opusTCv20210807+bt_transformer-big_2022-03-17.test.txt
• 测试集评分： opusTCv20210807+bt_transformer-big_2022-03-17.eval.txt
• 基准测试结果：benchmark_results.txt
• 基准测试输出：benchmark_translations.zip

鸣谢

该工作得到 European Language Grid 的支持，作为 pilot project 2866 ，以及 FoTran project 的支持，该项目由欧洲研究委员会（ERC）在欧洲联盟的Horizon 2020研究和创新计划（授权协议编号：771113）下资助，以及 MeMAD project 的支持，该项目在欧洲联盟的Horizon 2020研究和创新计划下获得资助，授权协议编号：780069。我们还对芬兰的 CSC -- IT Center for Science 提供的慷慨计算资源和IT基础设施表示感谢。

模型转换信息

• transformers 版本：4.16.2
• OPUS-MT git hash：3405783
• 转换时间：2022年4月13日20:02:48 EEST
• 转换机器：LM0-400-22516.local