File size: 3,034 Bytes
883146d 1c7bb4c 883146d 8664bd6 1c7bb4c cdf50ad 1c7bb4c 8664bd6 1c7bb4c |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 |
---
license: apache-2.0
datasets:
- techiaith/cofnodycynulliad_en-cy
- BangorAI/hysbysiadau-llyw-cymru-1
language:
- cy
---
# Cyfieithydd 7b Fersiwn 3 #
Model cyfieithu arbrofol sy'n defnyddio LLM Trawsnewidiol.
Mae'r model LLM yn seiliedig ar [BangorAI/mistral-7b-cy-epoch-2](https://huggingface.co/BangorAI/mistral-7b-cy-epoch-2), sef y model Mistral-7B wedi hyfforddiant parhaus ar gyfer y Gymraeg.
Cafodd y model hyfforddiant cywrain pellach ar y cyfeithiadau canlynol:
* data [Cofnod y Cynulliad](https://huggingface.co/datasets/techiaith/cofnodycynulliad_en-cy) wedi’u paratoi gan [TechIaith](https://huggingface.co/techiaith)
* data [Hysbysiadau Llywodraeth Cymru](https://www.llyw.cymru/hysbysiadau) yn archif [BangorAI/hysbysiadau-llyw-cymru-1](https://huggingface.co/datasets/BangorAI/hysbysiadau-llyw-cymru-1)
## Demo
Gallwch roi gynnig ar esiampl o'r model yma: [https://demo.bangor.ai/](https://demo.bangor.ai/)
(cofiwch ddewis yr opsiwn "Trosi En -> Cy")
### Fformat Sgwrs
Mae'r hyfforddiant cywrain wedi defnyddio'r fformat canlynol ar gyfer trosi o'r Saesneg i'r Gymraeg:
```
Cyfieithwch y testun Saesneg canlynol i'r Gymraeg.
### Saesneg:
{prompt}
### Cymraeg:
```
a'r naill ffordd i'r llall:
```
Translate the following Welsh text to English.
### Welsh:
{prompt}
### English:
```
## Sut i'w ddefnyddio
Mae'r model Mistral-7B-v-0.1 sy'n tanseilio'r model yma yn defnyddio ffenestr cyd-destun maint 4k, felly mae'n ofyniad i becynnu'r testyn fesul paragraff a'u bwydo i mewn i'r LLM yn eu tro.
Dyma enghraifft mewn Python:
```
import transformers
device="cuda"
model_name = 'BangorAI/cyfieithydd-7b-fersiwn-3'
model = transformers.AutoModelForCausalLM.from_pretrained(model_name, load_in_8bit=True)
tokenizer = transformers.AutoTokenizer.from_pretrained(model_name)
def generate_response(text):
# Format the input using the provided template
prompt = f"Cyfieithwch y testun Saesneg canlynol i'r Gymraeg.\n\n### Saesneg:\n{text}\n\n### Cymraeg:\n"
# Tokenize and encode the prompt
inputs = tokenizer.encode(prompt, return_tensors="pt", add_special_tokens=False).to(device)
# Generate a response
outputs = model.generate(inputs, max_length=1000, num_return_sequences=1, do_sample=True, temperature=0.01)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
return response
text="""The extension of the Flying Start programme is part of a phased expansion of early years provision to all two-year-olds in Wales, with a particular emphasis on strengthening Welsh-medium provision. This is a commitment in the Co-operation Agreement between the Welsh Government and Plaid Cymru."""
response = generate_response(text)
print(response)
```
## Hawlfraint
Mae'r data Cofnod y Cynulliad ac Hysbysiadau Llywodreath Cymru dan [Drwydded Llywodraeth Agored](https://www.nationalarchives.gov.uk/doc/open-government-licence-cymraeg/version/3/). |