这是适用于德英语言对的 fairseq wmt19 transformer 的移植版本。
有关更多详细信息，请参见 Facebook FAIR 的 WMT19 新闻翻译任务提交。
缩写 FSMT 代表 FairSeqMachineTranslation（FairSeq 机器翻译）。
所有四个模型均已可用：
from transformers import FSMTForConditionalGeneration, FSMTTokenizer
mname = "facebook/wmt19-de-en"
tokenizer = FSMTTokenizer.from_pretrained(mname)
model = FSMTForConditionalGeneration.from_pretrained(mname)
input = "Maschinelles Lernen ist großartig, oder?"
input_ids = tokenizer.encode(input, return_tensors="pt")
outputs = model.generate(input_ids)
decoded = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(decoded) # Machine learning is great, isn't it?
预训练权重与fairseq发布的原始模型保持一致。有关更多详细信息，请参见论文。
| 语言对 | fairseq | transformers |
|---|---|---|
| 德英 | 42.3 | 41.35 |
该分数略低于fairseq报告的分数，因为transformers目前不支持：
model4.pt）。分数是使用以下代码计算的：
git clone https://github.com/huggingface/transformers
cd transformers
export PAIR=de-en
export DATA_DIR=data/$PAIR
export SAVE_DIR=data/$PAIR
export BS=8
export NUM_BEAMS=15
mkdir -p $DATA_DIR
sacrebleu -t wmt19 -l $PAIR --echo src > $DATA_DIR/val.source
sacrebleu -t wmt19 -l $PAIR --echo ref > $DATA_DIR/val.target
echo $PAIR
PYTHONPATH="src:examples/seq2seq" python examples/seq2seq/run_eval.py facebook/wmt19-$PAIR $DATA_DIR/val.source $SAVE_DIR/test_translations.txt --reference_path $DATA_DIR/val.target --score_path $SAVE_DIR/test_bleu.json --bs $BS --task translation --num_beams $NUM_BEAMS注意：fairseq 报告使用的 beam 为 50，因此如果使用 --num_beams 50 重新运行，你应该会得到略高的分数。
@inproceedings{...,
year={2020},
title={Facebook FAIR's WMT19 News Translation Task Submission},
author={Ng, Nathan and Yee, Kyra and Baevski, Alexei and Ott, Myle and Auli, Michael and Edunov, Sergey},
booktitle={Proc. of WMT},
}