许可证：[apache-2.0, gemma] 数据集：

• traintogpb/aihub-koen-translation-integrated-base-10m 语言：
• 韩语
• 英语 任务标签：翻译 标签：
• gemma 小部件示例：
• 文本："韩语:\n나라의 말이 중국과 달라 문자와 서로 통하지 아니하다.\n\n英语:\n" 示例标题："韩译英"
• 文本："英语:\nMr. and Mrs. Dursley were proud to say that they were perfectly normal.\n\n韩语:\n" 示例标题："英译韩" 推理参数： 参数： 最大长度：200

Gemago 2B 模型卡片

原始Gemma模型页面：Gemma

GitHub模型页面：Gemago

资源与技术文档：

• 博客(韩文)
• 谷歌原版Gemma-2B
• 训练代码@GitHub: Gemma-EasyLM (Beomi原创)

使用条款：条款

作者：原版谷歌，由DevWorld微调

模型信息

实现英语/韩语与韩语/英语互译。

描述

Gemago是基于Gemma的轻量级英韩互译模型。

上下文长度

模型训练上下文长度为8192个标记，与Gemma保持一致。

使用方法

以下代码片段展示如何快速运行模型。首先确保执行pip install -U transformers，然后根据需求复制对应代码段。

通过transformers运行模型

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("devworld/gemago-2b")
model = AutoModelForCausalLM.from_pretrained("devworld/gemago-2b")

def gen(text, max_length):
    input_ids = tokenizer(text, return_tensors="pt")
    outputs = model.generate(**input_ids, max_length=max_length)
    return tokenizer.decode(outputs[0])

def e2k(e):
    input_text = f"英语:\n{e}\n\n韩语:\n"
    return gen(input_text, 1024)

def k2e(k):
    input_text = f"韩语:\n{k}\n\n英语:\n"
    return gen(input_text, 1024)