---

语言:

• 梵语
• 英语 许可证: MIT 标签:
• 翻译
• 梵语
• 英语 模型名称: M2M100_梵语_英语 微调自: facebook/m2m100_418M

---

模型卡片: Swamitucats/M2M100_梵语_英语

模型详情

模型描述

该模型是基于M2M100微调而成的梵语到英语翻译模型。 训练数据来自Itihasa数据集，包含梵语史诗的翻译内容。

使用示例:

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model = AutoModelForSeq2SeqLM.from_pretrained("Swamitucats/M2M100_梵语_英语")
tokenizer = AutoTokenizer.from_pretrained("Swamitucats/M2M100_梵语_英语")

sanskrit_text = "在此输入梵语文本"
inputs = tokenizer(sanskrit_text, return_tensors="pt")
outputs = model.generate(**inputs)
english_translation = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(english_translation)

• 开发者: [需要更多信息]
• 共享者[可选]: [需要更多信息]
• 模型类型: [需要更多信息]
• 支持语言(NLP): ['梵语', '英语']
• 许可证: MIT
• 微调基础模型[可选]: facebook/m2m100_418M

模型来源[可选]

• 代码仓库: [需要更多信息]
• 论文[可选]: [需要更多信息]
• 演示[可选]: [需要更多信息]

用途

直接使用

[需要更多信息]

下游使用[可选]

[需要更多信息]

超出范围的使用

[需要更多信息]

偏差、风险和限制

[需要更多信息]

建议

用户(包括直接使用和下游使用)应了解模型的风险、偏差和限制。需要更多信息以提供进一步建议。

如何开始使用该模型

使用以下代码开始使用该模型。

[需要更多信息]

训练详情

训练数据

[需要更多信息]

训练过程

预处理[可选]

[需要更多信息]

训练超参数

• 训练方案: [需要更多信息]

速度、规模、时间[可选]

[需要更多信息]

评估

测试数据、因素和指标

测试数据

[需要更多信息]

因素

[需要更多信息]

指标

[需要更多信息]

结果

[需要更多信息]

摘要

模型检查[可选]

[需要更多信息]

环境影响

碳排放量可以使用Lacoste等人(2019)提出的机器学习影响计算器进行估算。

• 硬件类型: [需要更多信息]
• 使用时长: [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]
• 碳排放量: [需要更多信息]

技术规格[可选]

模型架构和目标

[需要更多信息]

计算基础设施

[需要更多信息]

硬件

[需要更多信息]

软件

[需要更多信息]

引用[可选]

BibTeX:

[需要更多信息]

APA:

[需要更多信息]

术语表[可选]

[需要更多信息]

更多信息[可选]

[需要更多信息]

模型卡片作者[可选]

[需要更多信息]

模型卡片联系方式

[需要更多信息]