Question

我正在使用English to German中经过预训练的MarianMT机器翻译模型。我还有大量高质量的英语到德语的句子对，我想使用它们来增强模型的性能，这是在OPUS语料库上训练的，但是无需忘记 OPUS培训数据。有没有办法做到这一点？谢谢。

Answer 1

您是否尝试过here所示的finetune.sh脚本？除了此处列出的CLI标志简短列表之外，您还可以尝试添加：

--src_lang "en" \
--tgt_lang "de" \
--num_train_epochs 400 \
--warmup_steps 20 \
--train_batch_size 32 \
--eval_batch_size 32 \
--data_dir "/data/dir" \
--output_dir "/path/to/store/model/etc" \
--cache_dir "/path/for/misc/files" \
--max_source_length 128 \
--max_target_length 128 \
--val_max_target_length 128 \
--test_max_target_length 128 \
--model_name_or_path "</path/to/pretrained>"

其中“ / path / to / pretrained”可以是您计算机上的本地路径，也可以是MarianMT模型（Opus-en-de或等效名称）。 “ data / dir”具有用于源语言和目标语言的“ train.source”和“ train.target”，因此目标的行号x是源语言中行x的翻译（与“ val。源”和“目标值”）。我已将finetune.py脚本here更改为

parser = TranslationModule.add_model_specific_args(parser, os.getcwd())

然后运行finetune.sh脚本。

注意：当我使用“ fp16”标志（与Pytorch 1.6一起使用）时，渐变会爆炸，因此我将其删除了。另外，您可能要检查“ val_check_interval”，“ check_val_every_n_epoch”，并可能要检查this issue如何保存多个检查点。

Answer 2

我按照此处所述进行了微调：https://github.com/huggingface/transformers/tree/master/examples/seq2seq#translation

要训练模型（从 fr 到 de）并在最后进行评估： python examples/seq2seq/run_translation.py --do_train True --do_eval True --model_name_or_path Helsinki-NLP/opus-mt-de-fr --source_lang de --target_lang fr --source_prefix "将德语翻译成法语：" -- train_file ../data/translations-train-de-fr1.json --validation_file ../data/translations-val-de-fr1.json --output_dir ../tst-translation-models --per_device_train_batch_size=4 -- per_device_eval_batch_size=4 --overwrite_output_dir True --predict_with_generate True --fp16 True

训练好的模型存储在文件夹中：tst-translation-models

仅使用微调模型进行评估：文件夹使用“copy_mode.sh”，必须根据语言进行调整）： python examples/seq2seq/run_translation.py --do_train False --do_eval True --model_name_or_path ../tst-translation-models --source_lang de --target_lang fr --source_prefix "将德语翻译成法语：" --validation_file .. /data/translations-val-de-fr1.json --per_device_eval_batch_size=4 --predict_with_generate True --fp16 True

问候，菲利克斯

PS：请注意，训练和估值数据必须采用以下形式（每行一个这样的条目）： { "translation": { "de": "Freilegung der Leitung (durch VN installiert)", "fr": "Dégagement de la导管 (installée par le PA)" } }

通过更多训练数据增强来自HuggingFace的MarianMT预训练模型

2 个答案: