描述:

BART模型已在CNN/DailyMail数据集上进行了微调，样本量为10000。

使用方法:

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch


src_text = [" PG&E表示，由于预报显示干燥条件下将出现强风，公司已计划实施停电措施，旨在降低野火风险。预计近80万用户将受到停电影响，停电至少将持续到明天中午。", "最终，这一切就像电影一样展开。一个紧张、令人心碎的故事，最后却出现了意外的转折。周三凌晨，在印尼努萨坎邦安岛的一片树林中，玛丽·简·维洛索的八名死囚同伴——大多和她一样是外国人——被行刑队处决。而这位菲律宾女佣、两个孩子的母亲却暂时幸免于难。当她的家人从所谓的'死刑岛'监狱结束他们以为的最后一次探视返回时，一支菲律宾电视台团队拦下他们的巴士，告知他们玛丽·简的处决被推迟的决定。她欣喜若狂的母亲塞莉亚·维洛索对CNN说：'我们太高兴了，太高兴了。我以为已经失去了女儿，但上帝如此仁慈。感谢所有帮助过我们的人。'"]

torch_device = 'cuda' if torch.cuda.is_available() else 'cpu'

tokenizer = AutoTokenizer.from_pretrained("Mousumi/finetuned_bart")

model = AutoModelForSeq2SeqLM.from_pretrained("Mousumi/finetuned_bart").to(torch_device)

no_samples = len(src_text)
result = []

for i in range(no_samples):
    with tokenizer.as_target_tokenizer():
        tokenized_text = tokenizer([src_text[i]], return_tensors='pt', padding=True, truncation=True)
    batch = tokenized_text.to(torch_device)
    translated = model.generate(**batch)
    tgt_text = tokenizer.batch_decode(translated, skip_special_tokens=True)
    result.append(tgt_text[0])

print(result)