🚀 英俄翻译模型

本模型基于 Helsinki-NLP/opus-mt-en-ru 进行微调，使用了包含 COVID - 19 相关术语的 tico19 数据集。该模型可用于医学文本的翻译。

🚀 快速开始

运行模型

from transformers import pipeline

model_checkpoint = "glazzova/ml_translation_model1"
translator = pipeline("translation", model=model_checkpoint)
translator("i have a little cold and a cough")

# у меня есть простуда и кашель

✨ 主要特性

• 基于特定数据集微调，适用于医学文本翻译。
• 提供了在测试数据上的损失和 Bleu 指标结果。

📦 安装指南

文档未提及具体安装步骤，暂无法提供。

💻 使用示例

基础用法

from transformers import pipeline

model_checkpoint = "glazzova/ml_translation_model1"
translator = pipeline("translation", model=model_checkpoint)
translator("i have a little cold and a cough")

# у меня есть простуда и кашель

📚 详细文档

测试数据结果

超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：2e - 05
• 训练批次大小（train_batch_size）：32
• 评估批次大小（eval_batch_size）：64
• 随机种子（seed）：42
• 优化器（optimizer）：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 学习率调度器类型（lr_scheduler_type）：线性
• 训练轮数（num_epochs）：3
• 混合精度训练（mixed_precision_training）：Native AMP

框架版本

• Transformers：4.40.0
• Pytorch：2.2.1 + cu121
• Datasets：2.19.0
• Tokenizers：0.19.1

🔧 技术细节

本模型在预训练模型 Helsinki - NLP/opus - mt - en - ru 的基础上，使用包含 COVID - 19 相关术语的 tico19 数据集进行微调，以适应医学文本的翻译任务。通过设置特定的超参数，如学习率、批次大小等，在一定轮数的训练后，得到了在测试数据上的相应损失和 Bleu 指标结果。

📄 许可证

本模型采用 Apache - 2.0 许可证。

📋 模型信息