/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
57,2 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Базовая модель
opus-mt-en-ru
Опубликована
25 апр 2024

Ссылки

Hugging Face

translation_en_ru

glazzova
ПереводТекст → текст3 профессии

Дообученная MarianMT-модель для перевода английских текстов на русский с акцентом на медицинскую терминологию COVID-19.

18скачиваний за 30 дней7лайковвеса обновлены27 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель glazzova/translation_en_ru — дообученная версия MarianMT Helsinki-NLP/opus-mt-en-ru, созданная автором репозитория на датасете tico19 с терминологией, связанной с COVID-19. Она предназначена для перевода текстов с английского на русский, в частности медицинских материалов. Модель содержит 57,2 млн параметров, использует архитектуру MarianMT и принимает текст, выдавая перевод. Контекст — до 512 токенов; языки модели — английский и русский.

В карточке приведены результаты оценки на тестовых данных: BLEU 30,84 и loss 1,1217. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. Результаты относятся к указанному тестированию; качество перевода для других типов текстов отдельно не подтверждено.

Сценарии применения

  • перевод медицинских текстов с английского на русский
  • перевод материалов о COVID-19
  • перевод англоязычных симптомов и рекомендаций для русскоязычных читателей

Ограничения

В карточке приведены метрики только для тестовых данных; качество на других типах текстов не описано. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейIV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

translation_en_ru

Эта модель дообучена на Helsinki-NLP/opus-mt-en-ru с помощью датасета tico19, который содержит терминологию связанную с COVID-19. Модель может использоваться для перевода медицинских текстов

Результаты на тестовых данных:

  • Loss: 1.1217
  • Bleu: 30.84

Запуск модели

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

Гиперпараметры

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 32
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3
  • mixed_precision_training: Native AMP

Framework versions

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

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MarianMTModel
Ревизия весов
4a9e88f

0 моделей

    Создать бенчмарк