库名称: transformers
许可证: apache-2.0
数据集:

• cfilt/iitb-english-hindi
  语言:
• 英语
• 印地语
  任务标签: 翻译

模型信息卡

模型详情

模型描述

该模型是基于GEMMA 2B多语言Transformer微调的版本，专门优化用于将英语文本翻译为印地语。它利用原始GEMMA架构的能力，提供准确高效的翻译。

• 模型名称: Gemma-2b-mt-Hindi-Fintuned
• 模型类型: 语言翻译模型
• 基础模型: Gemma-2b
• 任务: 英语到印地语翻译
• 框架: Transformers

模型来源 [可选]

用途

直接使用

该模型可直接用于将英语文本翻译为印地语，适用于以下场景：

• 内容本地化
• 跨语言交流
• 语言学习教育工具
• 多语言内容创作

下游使用 [可选]

该模型可集成到需要英语到印地语翻译功能的更大系统或应用中，例如：

• 机器翻译服务
• 多语言聊天机器人
• 多语言网站的内容管理系统

[需要更多信息]

超出范围的使用

偏见、风险和限制

• 该模型可能难以处理惯用表达或文化特定内容。
• 训练数据中可能存在潜在偏见，影响翻译质量。
• 在专业或技术内容上的表现可能有所不同。
• 在处理复杂语法结构或保持长文本上下文方面可能存在限制。

建议

• 建议在高风险或需要细致翻译的场景中，结合人工翻译使用该模型。
• 定期使用多样化和代表性数据进行评估和微调，有助于减少偏见并提高性能。

如何开始使用该模型

使用以下代码开始使用该模型：

from transformers import AutoTokenizer, AutoModelForCausalLM

加载模型和分词器

tokenizer = AutoTokenizer.from_pretrained("Satwik11/gemma-2b-mt-Hindi-Fintuned")
model = AutoModelForCausalLM.from_pretrained("Satwik11/gemma-2b-mt-Hindi-Fintuned")

def generate_translation(prompt, max_length=90):
# 准备输入
inputs = tokenizer(prompt, return_tensors='pt')

# 生成翻译  
outputs = model.generate(**inputs, max_length=max_length)  

# 解码生成的输出  
translated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)  

return translated_text  

用示例句子测试模型

test_sentences = [
"Today is August 19.The maximum temperature is 70 degrees Fahrenheit"
]

for sentence in test_sentences:
prompt = f"Translate the following English text to Hindi: {sentence}"
translation = generate_translation(prompt)
print(translation)

训练详情

训练数据

该模型在cfilt/iitb-english-hindi数据集上进行了微调，该数据集包含英语-印地语句子对。有关数据集的更多详情，请参阅Hugging Face上的数据集卡片。

模型卡片联系人

如需更多信息，请通过Hugging Face模型仓库联系模型创建者：https://www.linkedin.com/in/satwik-sinha/