语言:

• 德语
• 英语 标签:
• 翻译
• wmt19
• facebook 许可证: apache-2.0 数据集:
• wmt19 评估指标:
• bleu 缩略图: https://huggingface.co/front/thumbnails/facebook.png

FSMT模型

模型描述

本模型为fairseq wmt19 transformer的德语-英语移植版本。更多技术细节请参阅论文Facebook FAIR's WMT19 News Translation Task Submission。

FSMT是FairSeqMachineTranslation的缩写

提供全部四个预训练模型：

• wmt19-en-ru
• wmt19-ru-en
• wmt19-en-de
• wmt19-de-en

使用场景与限制

使用方法

from transformers import FSMTForConditionalGeneration, FSMTTokenizer
mname = "facebook/wmt19-de-en"
tokenizer = FSMTTokenizer.from_pretrained(mname)
model = FSMTForConditionalGeneration.from_pretrained(mname)

input = "Maschinelles Lernen ist großartig, oder?"
input_ids = tokenizer.encode(input, return_tensors="pt")
outputs = model.generate(input_ids)
decoded = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(decoded) # 机器学习很棒，不是吗？

使用限制

• 原始模型(及本移植版本)对包含重复子句的输入处理不佳，会出现内容截断现象

训练数据

预训练权重与fairseq发布的原始模型完全一致，详见论文。

评估结果

得分略低于fairseq报告值，因为当前transformers版本不支持：

• 模型集成（故移植了最佳单模型checkpoint「model4.pt」）
• 重排序功能

评估代码示例：

git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=de-en
export DATA_DIR=data/$PAIR
export SAVE_DIR=data/$PAIR
export BS=8
export NUM_BEAMS=15
mkdir -p $DATA_DIR
sacrebleu -t wmt19 -l $PAIR --echo src > $DATA_DIR/val.source
sacrebleu -t wmt19 -l $PAIR --echo ref > $DATA_DIR/val.target
echo $PAIR
PYTHONPATH="src:examples/seq2seq" python examples/seq2seq/run_eval.py facebook/wmt19-$PAIR $DATA_DIR/val.source $SAVE_DIR/test_translations.txt --reference_path $DATA_DIR/val.target --score_path $SAVE_DIR/test_bleu.json --bs $BS --task translation --num_beams $NUM_BEAMS

注：fairseq使用beam大小为50，若设置--num_beams 50可获得更高分数。

数据来源

• 训练数据等
• 测试集

文献引用

@inproceedings{...,
  year={2020},
  title={Facebook FAIR's WMT19 News Translation Task Submission},
  author={Ng, Nathan and Yee, Kyra and Baevski, Alexei and Ott, Myle and Auli, Michael and Edunov, Sergey},
  booktitle={Proc. of WMT},
}

待办事项

• 移植模型集成功能（fairseq使用4个模型checkpoint）