license: apache-2.0 language: zh

BART（基础尺寸模型）

BART模型是基于英语预训练的模型。该模型由Lewis等人在论文BART: 用于自然语言生成、翻译和理解的去噪序列到序列预训练中提出，并首次发布于此代码库。

免责声明：发布BART的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队撰写。

模型描述

BART是一种结合了双向（类似BERT）编码器和自回归（类似GPT）解码器的Transformer编码器-解码器（序列到序列）模型。BART通过（1）使用任意噪声函数破坏文本，以及（2）学习模型以重建原始文本来进行预训练。

BART在针对文本生成（如摘要、翻译）进行微调时表现尤为出色，同时在理解任务（如文本分类、问答）上也表现良好。

预期用途与限制

您可以将原始模型用于文本填充。然而，该模型主要是为了在有监督的数据集上进行微调而设计的。请参阅模型中心以寻找您感兴趣任务的微调版本。

使用方法

以下是如何在PyTorch中使用此模型的示例：

from transformers import BartTokenizer, BartModel

tokenizer = BartTokenizer.from_pretrained('facebook/bart-base')
model = BartModel.from_pretrained('facebook/bart-base')

inputs = tokenizer("你好，我的狗很可爱", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state

BibTeX条目及引用信息

@article{DBLP:journals/corr/abs-1910-13461,
  author    = {Mike Lewis and
               Yinhan Liu and
               Naman Goyal and
               Marjan Ghazvininejad and
               Abdelrahman Mohamed and
               Omer Levy and
               Veselin Stoyanov and
               Luke Zettlemoyer},
  title     = {{BART:} 用于自然语言生成、翻译和理解的去噪序列到序列预训练},
  journal   = {CoRR},
  volume    = {abs/1910.13461},
  year      = {2019},
  url       = {http://arxiv.org/abs/1910.13461},
  eprinttype = {arXiv},
  eprint    = {1910.13461},
  timestamp = {Thu, 31 Oct 2019 14:02:26 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1910-13461.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}