/ Модель

Характеристики

Контекст
512 токенов
Параметры
56,9 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Базовая модель
opus-mt-en-hi
Опубликована
30 ноя 2023

machine-tranlation-model

Языковая модель

Дообученная MarianMT-модель для перевода текста с английского на хинди.

6скачиваний за 30 дней1лайквеса обновлены2 дек 2023

Бенчмарки

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

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 rashid996958/machine-tranlation-model — дообученная версия Helsinki-NLP/opus-mt-en-hi на неизвестном наборе данных. Это модель семейства MarianMT с 56,9 млн параметров, принимающая текст и предназначенная для перевода с английского на хинди. Для модели указаны контекст до 512 токенов и формат TensorFlow. В карточке приведены результаты на оценочной выборке после 9 эпох: точность обучения 0,0591 и валидации 0,0616; эти значения указывают на низкое качество перевода. Лицензия — Apache-2.0.

Сценарии применения

  • черновой перевод коротких текстов с английского на хинди
  • эксперименты с дообучением машинного перевода
  • оценка качества перевода английского текста на хинди

Ограничения

Указанная точность на обучении и валидации очень низкая, поэтому качество перевода может быть неудовлетворительным. Данные обучения не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

rashid996958/Helsinki-shirsh-finetuned-translation-english-to-hindi

This model is a fine-tuned version of Helsinki-NLP/opus-mt-en-hi on an unknown dataset. It achieves the following results on the evaluation set:

  • Train Loss: 4.5681
  • Train Accuracy: 0.0591
  • Validation Loss: 4.3657
  • Validation Accuracy: 0.0616
  • Epoch: 9

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • optimizer: {'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 5e-05, 'decay_steps': 10, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
  • training_precision: float32

Training results

Train LossTrain AccuracyValidation LossValidation AccuracyEpoch
4.57040.05914.36570.06160
4.56930.05914.36570.06161
4.56560.05914.36570.06162
4.56840.05914.36570.06163
4.56590.05914.36570.06164
4.56560.05914.36570.06165
4.56670.05914.36570.06166
4.56650.05914.36570.06167
4.57020.05904.36570.06168
4.56810.05914.36570.06169

Framework versions

  • Transformers 4.35.2
  • TensorFlow 2.13.0
  • Datasets 2.1.0
  • Tokenizers 0.14.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
MarianMTModel
Ревизия весов
7d57f12

0 моделей