معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Seamlessly translate East Asian texts with deep learning models.

ویژگی	مقدار
سیستم عامل	-
نام فایل	asian-mtl-0.1.2
نام	asian-mtl
نسخه کتابخانه	0.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Joseph Chen
ایمیل نویسنده	jchen42703@gmail.com
آدرس صفحه اصلی	https://github.com/EasierMTL/asian_mtl
آدرس اینترنتی	https://pypi.org/project/asian-mtl/
مجوز	-

# `asian_mtl` This repository contains the code and documentation for the machine translation models used for EasierMTL's API. Improved version of the models in the original repository: [EasierMTL/chinese-translation-app](https://github.com/EasierMTL/chinese-translation-app/tree/main/server/chinese_translation_api) ## Supported Translators All translators support dynamic quantization! [Our benchmarks](#benchmarks) indicate that they 2x inference speeds, while losing <1% BLEU. - `ChineseToEnglishTranslator()` - `EnglishToChineseTranslator()` ## Getting Started ```bash pip install asian-mtl ``` Here's a simple example: ```python from asian_mtl.models.base import ChineseToEnglishTranslator translator = ChineseToEnglishTranslator() # Quantize for better CPU production performance! translator.quantize() prediction = translator.predict("我爱ECSE484.") print(prediction) # prediction will be: # "I love ECSE 484." ``` And you're good to go! If you are contributing, run: ```bash # https://stackoverflow.com/questions/59882884/vscode-doesnt-show-poetry-virtualenvs-in-select-interpreter-option poetry config virtualenvs.in-project true # shows the name of the current environment poetry env list poetry install ``` ## Usage When you are using quantized models in this repository, make sure to set `torch.set_num_threads(1)`. This is not set under-the-hood because it could interfere with user setups in an invasive way. Not doing so will make the quantized models slower than their vanilla counterparts. ## Evaluation See [`scripts`](./scripts) for evaluation scripts. To run the scripts, simply run: ```bash # Running with CLI and config with BERT python ./scripts/evaluation/eval.py -c ./scripts/evaluation/configs/helsinki.yaml ``` Change the config [`helsinki.yaml`](./scripts/evaluation/configs/helsinki.yaml) to use quantized or your specific use case. ### Benchmarks Here are some basic benchmarks of models in this repository: | Model | Quantized? | N | BLEU | Runtime | | -------------------------- | ---------- | --- | ----- | ------- | | Helsinki-NLP/opus-mt-zh-en | No | 100 | 0.319 | 27s | | | Yes | 100 | 0.306 | 13.5s | The benchmarks described in the [docs](./docs/evaluation/EVALUATION_REG.md) are a little out-of-date.

نیازمندی

مقدار	نام
>=4.18.0,<5.0.0	transformers
>=1.9.0,<2.0.0	pydantic
>=1.11.0,<2.0.0	torch
>=0.1.96,<0.2.0	sentencepiece
>=1.21.40,<2.0.0	boto3
>=1.24.43,<2.0.0	botocore
>=1.4.3,<2.0.0	pyquery
>=1.1.0,<2.0.0	optimum
>=4.4.0,<5.0.0	gdown
>=2.1.0,<3.0.0	datasets
>=4.64.0,<5.0.0	tqdm
>=5.9.4,<6.0.0	psutil
>=1.6.0,<2.0.0	dacite

زبان مورد نیاز

مقدار	نام
>=3.8,<4.0	Python

نحوه نصب

نصب پکیج whl asian-mtl-0.1.2:

pip install asian-mtl-0.1.2.whl

نصب پکیج tar.gz asian-mtl-0.1.2:

pip install asian-mtl-0.1.2.tar.gz