opus-mt-tc-big-fr-en

简介

opus-mt-tc-big-fr-en 是一个专用于法语（fr）到英语（en）翻译的神经机器翻译模型。这个模型是 OPUS-MT 项目的一部分，该项目旨在为世界上多种语言提供广泛可用的神经机器翻译模型。所有模型最初都是通过高效的 Marian NMT 框架训练的，该框架是用纯 C++ 编写的。然后，这些模型使用 Hugging Face 的 transformers 库被转换为 PyTorch。训练数据来自 OPUS，训练管道则使用 OPUS-MT-train 的相关程序。

模型信息

语言对：法语（fra）到英语（eng）
模型类型：transformer-big
训练数据：opusTCv20210807+bt
分词工具：SentencePiece (spm32k, spm32k)
模型发布日期：2022年3月9日

使用指南

示例代码

用户可以通过以下简单的 Python 代码来使用此模型进行翻译：

from transformers import MarianMTModel, MarianTokenizer

src_text = [
    "J'ai adoré l'Angleterre.",
    "C'était la seule chose à faire."
]

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

# 预期输出:
#     I loved England.
#     It was the only thing to do.

用户还可以通过 transformers 的 pipelines 使用 OPUS-MT 模型：

from transformers import pipeline
pipe = pipeline("translation", model="Helsinki-NLP/opus-mt-tc-big-fr-en")
print(pipe("J'ai adoré l'Angleterre."))

# 预期输出: I loved England.

基准测试

模型在多种数据集上的 BLEU 分数展示了其翻译性能：

新的 BLEU 分数如 flores101-devtest（46.0）、multi30k_test_2017_flickr（52.0）等。
各种新闻数据集上的 BLEU 分数从 26.5 到 39.4 不等。

致谢

该项目得到了 European Language Grid 的支持，是 pilot 项目 2866 的一部分。此外，还得到了 FoTran 项目和 MeMAD 项目的支持，均由欧盟的 Horizon 2020 研究和创新计划资助。同时，也感谢芬兰的 CSC -- IT Center for Science 提供的计算资源和 IT 基础设施。