README.md

metadata

language:
  - zh
  - zh
tags:
  - translation
  - 文言文
  - ancient
license: apache-2.0
widget:
  - text: 暴力是无能者的最后手段
    example_title: 基地
  - text: 轻轻的我走了，正如我轻轻的来。我轻轻的招手，作别西天的云彩。那河畔的金柳，是夕阳中的新娘。波光里的艳影，在我的心头荡漾。
    example_title: 再别康桥
  - text: 当恐惧逝去，我会打开心眼，看清它的轨迹。恐惧所过之处，不留一物，唯我独存。
    example_title: 沙丘

From modern Chinese to Ancient Chinese

This model translate modern Chinese to Classical Chinese, so I guess who's interested in the problemset can speak at least modern Chinese, so... let me continue the documentation in Chinese

从现代文到文言文的翻译器, 训练语料是就是九十多万句句对， 数据集链接

推荐的inference 通道

注意， 你必须将generate函数的eos_token_id设置为102就可以翻译出完整的语句， 不然翻译完了会有残留的语句(因为做熵的时候用pad标签=-100导致)。

目前huggingface 页面上compute按钮会有这个问题， 推荐使用以下代码来得到翻译结果

from transformers import (
  EncoderDecoderModel,
  AutoTokenizer
)
PRETRAINED = "raynardj/wenyanwen-chinese-translate-to-ancient"
tokenizer = AutoTokenizer.from_pretrained(PRETRAINED)
model = EncoderDecoderModel.from_pretrained(PRETRAINED)

def inference(text):
    tk_kwargs = dict(
      truncation=True,
      max_length=128,
      padding="max_length",
      return_tensors='pt')
   
    inputs = tokenizer([text,],**tk_kwargs)
    with torch.no_grad():
        return tokenizer.batch_decode(
            model.generate(
            inputs.input_ids,
            attention_mask=inputs.attention_mask,
            num_beams=3,
            bos_token_id=101,
            eos_token_id=tokenizer.sep_token_id,
            pad_token_id=tokenizer.pad_token_id,
        ), skip_special_tokens=True)

目前版本的案例

>>> inference('你连一百块都不肯给我')
['不 肯 与 我 百 钱 。']

>>> inference("他不能做长远的谋划")
['不 能 为 远 谋 。']

>>> inference("我们要干一番大事业")
['吾 属 当 举 大 事 。']

>>> inference("这感觉，已经不对，我努力，在挽回")
['此 之 谓 也 ， 已 不 可 矣 ， 我 勉 之 ， 以 回 之 。']

>>> inference("轻轻地我走了， 正如我轻轻地来， 我挥一挥衣袖，不带走一片云彩")
['轻 我 行 ， 如 我 轻 来 ， 挥 袂 不 携 一 片 云 。']