Logo
Project Icon

opus-mt-en-hu

基于Transformer的英匈双语机器翻译模型

模型Github机器翻译opus-mt-en-hu开源项目Huggingfacetransformer自然语言处理BLEU评分

opus-mt-en-hu是一个英语到匈牙利语的机器翻译模型，采用Transformer架构设计。该模型基于OPUS数据集训练，应用了normalization和SentencePiece预处理技术。在Tatoeba测试集上，模型实现了40.1的BLEU分数和0.628的chr-F分数，表现出良好的翻译能力。模型提供了原始权重和测试集翻译结果供下载，便于进行评估和实际应用。

GithubGithubHuggingfaceHuggingface
介绍相关项目
opus-mt-da-de - 基于Transformer架构的丹麦语-德语机器翻译模型
GithubHuggingfaceopus-mt-da-de开源项目数据集机器翻译模型模型评估语言模型
opus-mt-da-de是一个开源的丹麦语到德语机器翻译模型，基于Transformer架构设计。该模型使用OPUS数据集训练，经过规范化和SentencePiece预处理。在Tatoeba测试集上，模型取得57.4的BLEU分数和0.740的chr-F分数，显示出良好的翻译效果。模型提供预训练权重下载，并附有测试集翻译结果供评估参考。
opus-mt-nl-fr - 荷兰语到法语的开源机器翻译模型
GithubHuggingfaceSentencePieceopus-mt-nl-frtransformer-align开源项目模型翻译
这个开源项目用于实现荷兰语到法语的机器翻译，使用基于transformer-align的模型，并结合数据标准化与SentencePiece预处理。依托OPUS数据集，该项目在Tatoeba.nl.fr测试集上获得了51.3的BLEU分数，展示了较好的翻译效果。提供原始模型权重及测试集翻译文件，以供进一步研究和应用。
opus-mt-gem-gem - 多语言Transformer机器翻译模型 支持日耳曼语系互译
BLEU评分GithubHuggingfacegem-gem开源项目模型测试集翻译模型语言对
OPUS-MT-GEM是一个基于Transformer架构的开源机器翻译模型，专注于28种日耳曼语系语言的互译需求。该模型通过SentencePiece技术进行文本预处理，采用32k规模词表，支持德语、英语、荷兰语等主流日耳曼语系语言。在WMT新闻翻译测试集上，英德互译的BLEU评分达到30分以上，展现出可靠的翻译能力。模型需要在输入句子开头添加目标语言标识符以指定翻译方向。
opus-mt-tc-big-sh-en - 高效多语言神经机器翻译模型，支持塞尔维亚-克罗地亚语到英语的翻译
GithubHuggingfaceMarian NMTOPUS-MT开源项目文本翻译机器翻译模型语言模型
opus-mt-tc-big-sh-en是OPUS-MT项目开发的神经机器翻译模型，专门用于塞尔维亚-克罗地亚语(sh)到英语(en)的翻译。该模型采用Marian NMT框架训练，并转换为PyTorch格式以便于使用。在多个基准测试中，模型展现了优秀的性能，BLEU评分范围从37.1到66.5不等，证明了其在不同测试集上的翻译能力。作为OPUS-MT项目的一部分，该模型旨在为全球多语言翻译需求提供高质量、易用的解决方案。
TransformerHub - 实现与参考多种Transformer模型
BERTGPTGithubTransformerTransformerHubViT开源项目
此项目实现了多种Transformer架构，包括seq2seq、仅编码器、仅解码器和统一模型，旨在提高编程技能并提供深度学习参考。特色包括多种Attention模块、位置嵌入和采样方法，当前进展是实现DINO模型。项目受到多个开源项目的启发和支持。
happy-transformer - 便捷调优与推理NLP Transformer模型
GithubHappy TransformerNLP开源项目文本分类文本生成词预测
Happy Transformer提供简单的方法来调优和推理NLP Transformer模型，主要功能包括DeepSpeed训练、Apple的MPS训练及推理、WandB训练追踪以及直接推送模型到Hugging Face的Model Hub。支持的任务涵盖文本生成、文本分类、单词预测、问答、文本到文本、下一句预测和标记分类。
TransformerEngine - 用于在 NVIDIA GPU 上加速 Transformer 模型的库
FP8GithubHopper GPUNVIDIATransformer Engine开源项目深度学习
Transformer Engine是NVIDIA推出的一个库，专门用于在其GPU上加速Transformer模型。该库支持8位浮点（FP8）精度，使训练和推理性能大幅提升的同时，内存使用降低。TE提供了一系列优化的构建模块和混合精度API，适用于各种流行的深度学习框架，保证精度不受影响。通过与主流大型语言模型库的集成，简化了FP8支持的实现，使Transformer模型的训练和推理更加高效和便捷，适用于多种NVIDIA GPU架构。
open-muse - 开源项目MUSE模型重现，用于高效文本到图像生成
GithubHuggingfaceMUSEVQGANopen-musetransformer开源项目
open-muse项目致力于重现Transformer MUSE模型，通过LAION-2B和COYO-700M数据集的训练，提供简单且可扩展的代码库。项目包括在Imagenet上训练类别条件模型、在CC12M上进行文本到图像实验，以及训练改进的VQGAN模型，所有结果将上传至Huggingface的openMUSE组织。支持的模型包括MaskGitTransformer和VQGAN，方便使用并可在Huggingface hub上加载和保存。
x-transformers - 轻量级Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种从图像分类到语言模型的应用
Githubtransformerx-transformers开源项目模型训练编码器编解码器
x-transformers提供了多功能的Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种应用，从图像分类到语言模型。其先进技术如闪存注意力和持久内存，有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择，用于探索和优化机器学习任务中的Transformer技术。
Open Translation AI - 多语言智能翻译平台
AIAI工具翻译英语西班牙语语言
Open Translation AI 是一个先进的多语言翻译平台，提供高质量的翻译服务。该平台支持英语、西班牙语等50多种语言，为用户提供接近人类水平的翻译效果。凭借快速的翻译速度和高度的准确性，平台适用于个人和企业的跨语言交流和内容本地化需求。Open Translation AI 旨在消除语言障碍，促进全球交流，为用户提供便捷有效的翻译解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号