امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

wmt16_translate

  • توضیحات :

مجموعه داده را بر اساس داده های statmt.org ترجمه کنید.

نسخه ها برای سالهای مختلف با استفاده از ترکیبی از چندین منبع داده وجود دارد. wmt_translate پایه به شما این امکان را می دهد که با ایجاد یک tfds.translate.wmt.WmtConfig سفارشی پیکربندی خود را برای انتخاب جفت داده / زبان خود ایجاد کنید.

config = tfds.translate.wmt.WmtConfig(
    version="0.0.1",
    language_pair=("fr", "de"),
    subsets={
        tfds.Split.TRAIN: ["commoncrawl_frde"],
        tfds.Split.VALIDATION: ["euelections_dev2019"],
    },
)
builder = tfds.builder("wmt_translate", config=config)
  • صفحه اصلی : http://www.statmt.org/wmt16/translation-task.html

  • کد منبع :tfds.translate.Wmt16Translate

  • نسخه ها :

    • 1.0.0 (پیش فرض): بدون یادداشت انتشار.
  • اندازه مجموعه داده : Unknown size

  • دستورالعمل های بارگیری دستی : برای این مجموعه داده لازم است که داده های منبع را به صورت دستی در download_config.manual_dir (به طور پیش فرض ~/tensorflow_datasets/downloads/manual/ ):
    برخی از تنظیمات wmt در اینجا ، نیاز به بارگیری دستی دارند. لطفاً به wmt.py مراجعه کنید تا مسیر دقیق (و نام پرونده) را که باید بارگیری شود ، ببینید.

  • ذخیره خودکار ( مستندات ): ناشناخته است

  • نقل قول :

@InProceedings{bojar-EtAl:2016:WMT1,
  author    = {Bojar, Ond
{r}ej  and  Chatterjee, Rajen  and  Federmann, Christian  and  Graham, Yvette  and  Haddow, Barry  and  Huck, Matthias  and  Jimeno Yepes, Antonio  and  Koehn, Philipp  and  Logacheva, Varvara  and  Monz, Christof  and  Negri, Matteo  and  Neveol, Aurelie  and  Neves, Mariana  and  Popel, Martin  and  Post, Matt  and  Rubino, Raphael  and  Scarton, Carolina  and  Specia, Lucia  and  Turchi, Marco  and  Verspoor, Karin  and  Zampieri, Marcos},
  title     = {Findings of the 2016 Conference on Machine Translation},
  booktitle = {Proceedings of the First Conference on Machine Translation},
  month     = {August},
  year      = {2016},
  address   = {Berlin, Germany},
  publisher = {Association for Computational Linguistics},
  pages     = {131--198},
  url       = {http://www.aclweb.org/anthology/W/W16/W16-2301}
}

wmt16_translate / cs-en (پیکربندی پیش فرض)

  • شرح پیکربندی : مجموعه داده های کار ترجمه WMT 2016 cs-en.

  • اندازه بارگیری : 1.57 GiB

  • تقسیم :

شکاف مثال ها
'test' 2،999
'train' 52،335،651
'validation' 2،656
  • ویژگی ها :
Translation({
    'cs': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})

wmt16_translate / de-en

  • توضیحات پیکربندی : مجموعه داده های کار ترجمه de-en WMT 2016.

  • اندازه بارگیری : 1.57 GiB

  • تقسیم :

شکاف مثال ها
'test' 2،999
'train' 4،548،885
'validation' 2،169
  • ویژگی ها :
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})

wmt16_translate / fi-en

  • شرح پیکربندی : WMT 2016 مجموعه داده های کار ترجمه fi-en.

  • اندازه 260.51 MiB : 260.51 MiB

  • تقسیم :

شکاف مثال ها
'test' 6000
'train' 2،073،394
'validation' 1،370
  • ویژگی ها :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fi': Text(shape=(), dtype=tf.string),
})

wmt16_translate / ro-en

  • شرح پیکربندی : WMT 2016 مجموعه داده های کار ترجمه ro-en.

  • حجم 273.83 MiB : 273.83 MiB

  • تقسیم :

شکاف مثال ها
'test' 1،999
'train' 610،320
'validation' 1،999
  • ویژگی ها :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ro': Text(shape=(), dtype=tf.string),
})

wmt16_translate / ru-en

  • شرح پیکربندی : مجموعه داده کار ترجمه WMT 2016 ru-en.

  • اندازه 993.38 MiB : 993.38 MiB

  • تقسیم :

شکاف مثال ها
'test' 2،998
'train' 2،516،162
'validation' 2818
  • ویژگی ها :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ru': Text(shape=(), dtype=tf.string),
})

wmt16_translate / tr-en

  • توضیحات پیکربندی : مجموعه داده کار ترجمه WMT 2016 tr-en.

  • اندازه بارگیری : 59.32 MiB

  • تقسیم :

شکاف مثال ها
'test' 3000
'train' 205،756
'validation' 1،001
  • ویژگی ها :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'tr': Text(shape=(), dtype=tf.string),
})