FSMT

模型描述

这是一个针对ru-en的端口版本 fairseq wmt19 transformer 的转换模型。

详情请参见 Facebook FAIR's WMT19 News Translation Task Submission 。

FSMT的缩写代表FairSeqMachineTranslation

所有四个模型可用：

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

用途和限制

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

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

• 原始模型（以及这个转换模型）似乎不能很好处理输入中的重复子短语， content gets truncated

训练数据

预训练的权重与fairseq发布的原始模型保持相同。更多详情请参见 paper 。

评估结果

评分略低于fairseq报告的评分，因为“transformers”当前不支持：

• 模型集成，因此转换了性能最佳的检查点（model4.pt）。
• 重新排序

使用以下代码计算了分数：

git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=ru-en
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报告使用的是beam为50，因此如果使用--num_beams 50重新运行，应该能获得稍高的分数。

数据来源

• training, etc.
• test set

BibTeX条目和引用信息

@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},
}

TODO

• 转换模型集成（fairseq使用4个模型检查点）