opus-mt-en-ca

transformer-align架构的英语-加泰罗尼亚语机器翻译模型

模型 BLEU评分机器翻译 Github 模型评估语言对 opus-mt-en-ca 开源项目 Huggingface

opus-mt-en-ca是基于transformer-align架构的英语-加泰罗尼亚语机器翻译模型。该模型利用OPUS数据集训练，经过normalization和SentencePiece预处理。在Tatoeba测试集上，模型达到47.2的BLEU分数和0.665的chr-F分数。模型采用Apache-2.0开源许可证，支持从英语翻译到加泰罗尼亚语。提供原始权重和测试集译文下载，方便评估模型性能和进行深入分析。

Github

Huggingface

介绍相关项目

opus-mt-en-id - 英语至印尼语开源神经机器翻译模型

GithubHuggingfaceopus-mt-en-id开源项目数据集机器翻译模型模型评估自然语言处理

opus-mt-en-id是一个开源的英语到印尼语神经机器翻译模型，基于Transformer架构设计。该模型使用OPUS数据集训练，经过normalization和SentencePiece预处理。在Tatoeba测试集上，模型达到38.3 BLEU分和0.636 chr-F分的性能。项目提供预训练权重和测试集，方便研究人员进行评估和应用。

opus-mt-tc-big-ar-en - 高效的阿拉伯语到英语神经机器翻译模型，实现精准的跨语言转换

GithubHuggingfaceOPUS-MT开源项目机器翻译模型自然语言处理语言模型阿拉伯语翻译

OPUS-MT项目开发的opus-mt-tc-big-ar-en是一款阿拉伯语到英语的神经机器翻译模型。该模型使用Marian NMT框架训练，支持现代标准阿拉伯语及其方言。在多个测试集上，模型展现出优秀性能，BLEU评分介于42.6至47.3之间。模型已转换为PyTorch格式，可通过Hugging Face的transformers库轻松使用。

opus-mt-tc-big-tr-en - OPUS-MT 项目开源的土耳其语-英语神经机器翻译模型

GithubHuggingfaceOPUS-MTtransformer土耳其语开源项目机器翻译模型英语

opus-mt-tc-big-tr-en 是 OPUS-MT 项目开发的土耳其语到英语神经机器翻译模型。该模型基于 Marian NMT 框架训练，并转换为 PyTorch 格式以兼容 Hugging Face transformers 库。在多个测试集上表现优异，Tatoeba 测试集上 BLEU 分数达 57.6。模型采用 transformer-big 架构，使用 OPUS 和 Tatoeba Challenge 数据训练，为研究人员和开发者提供了高质量的开源翻译工具。

opus-mt-zh-en - 赫尔辛基大学开发的中英双向翻译模型

GithubHelsinki-NLPHuggingfaceOPUS-MT中英翻译开源项目机器翻译模型自然语言处理

opus-mt-zh-en是赫尔辛基大学开发的中英双向翻译模型。该模型基于OPUS数据集训练，采用SentencePiece预处理，在Tatoeba测试集上BLEU得分为36.1。它使用Transformer架构，可用于文本翻译和生成。研究人员和开发者可通过Hugging Face transformers库便捷地使用该模型进行中英互译。

OpenNMT-py - 开源的神经机器翻译与大型语言模型框架

EoleGithubLLM支持Neural Machine TranslationOpenNMT-pyPyTorch开源项目

OpenNMT-py是基于PyTorch的开源神经机器翻译和语言模型框架，适用于研究和生产。支持大语言模型转换、量化以及多GPU并行。提供教程、文档和社区支持，适合翻译、总结等多种NLP任务。最新版本引入了多查询注意力机制和线性去偏等新功能。

beto - 西班牙语BERT模型：BETO

BERTBETOGithub开源项目模型西班牙语语料库

此页面介绍了一个基于大型西班牙语语料库训练的BERT模型BETO，提供无区分大小写和区分大小写的Tensorflow和Pytorch版本。BETO应用全词掩蔽技术，在多项西班牙语基准测试中表现优异，并与多语言BERT及其他模型进行了对比。用户可以在HuggingFace Model Repository下载BETO模型，并通过HuggingFace Transformers库轻松使用。此外，页面还包含示例代码和引用信息。

CTranslate2 - 高效的Transformer模型推理库，提供多种性能优化方案

CTranslate2Github并行执行开源项目性能优化模型压缩转换器模型

CTranslate2是一个用于Transformer模型高效推理的C++和Python库，通过权重量化、层融合、批次重排序等技术，显著提升CPU和GPU上的执行速度并减少内存占用。支持多种模型类型，包括编码器-解码器、仅解码器和仅编码器模型，兼容OpenNMT-py、OpenNMT-tf、Fairseq等框架。其主要特点包括自动CPU检测、代码分发、并行和异步执行以及动态内存使用。

ctransformers - Python接口的高效C/C++ Transformer模型

CTransformersGGMLGithubLangChainPythonTransformer模型开源项目

CTransformers提供Python接口，通过GGML库高效加载和运行C/C++实现的Transformer模型。支持多种模型类型，如GPT-2、GPT-J、LLaMA等，并可与Hugging Face和LangChain集成。提供CUDA、ROCm和Metal兼容的GPU加速选项，适合高性能自然语言处理任务。

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。

pytorch-openai-transformer-lm - 基于PyTorch的OpenAI Transformer语言模型实现

GithubOpenAIPyTorchTransformer Language Model开源项目模型预训练

该项目实现了OpenAI Transformer语言模型在PyTorch中的复现，提供了预训练权重加载脚本及模型类。采用固定权重衰减和调度学习率优化模型，支持对ROCStories Cloze任务进行微调，效果接近原始TensorFlow实现。适用于深度学习研究和语言模型的生成与分类任务。

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