wmt19_traducir

  • Descripción :

Traduzca el conjunto de datos en función de los datos de statmt.org.

Existen versiones para los diferentes años utilizando una combinación de múltiples fuentes de datos. La base wmt_translate le permite crear su propia configuración para elegir su propio par de datos/idioma creando un tfds.translate.wmt.WmtConfig personalizado.

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)
  • Página de inicio : http://www.statmt.org/wmt19/translation-task.html

  • Código fuente : tfds.translate.Wmt19Translate

  • Versiones :

    • 1.0.0 (predeterminado): Sin notas de la versión.
  • Tamaño del conjunto de datos : Unknown size

  • Instrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en download_config.manual_dir (el valor predeterminado es ~/tensorflow_datasets/downloads/manual/ ):
    Algunas de las configuraciones de wmt aquí requieren una descarga manual. Mire en wmt.py para ver la ruta exacta (y el nombre del archivo) que debe descargarse.

  • Auto-caché ( documentación ): Desconocido

  • Figura ( tfds.show_examples ): no compatible.

  • Ejemplos ( tfds.as_dataframe ): Falta.

  • Cita :

@ONLINE {wmt19translate,
    author = "Wikimedia Foundation",
    title  = "ACL 2019 Fourth Conference on Machine Translation (WMT19), Shared Task: Machine Translation of News",
    url    = "http://www.statmt.org/wmt19/translation-task.html"
}

wmt19_translate/cs-en (configuración predeterminada)

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2019 cs-en.

  • Tamaño de descarga : 1.88 GiB

  • Divisiones :

Separar Ejemplos
'train' 20,246,548
'validation' 2,983
  • Estructura de características :
Translation({
    'cs': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
cs Texto tf.cadena
es Texto tf.cadena

wmt19_translate/de-en

  • Descripción de la configuración : conjunto de datos de la tarea de traducción de-en WMT 2019.

  • Tamaño de descarga : 9.71 GiB

  • Divisiones :

Separar Ejemplos
'train' 38,690,334
'validation' 2,998
  • Estructura de características :
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'en': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
Delaware Texto tf.cadena
es Texto tf.cadena

wmt19_translate/fi-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fi-en de WMT 2019.

  • Tamaño de la descarga : 959.46 MiB

  • Divisiones :

Separar Ejemplos
'train' 6.587.448
'validation' 3,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'fi': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
fi Texto tf.cadena

wmt19_translate/gu-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción gu-en de WMT 2019.

  • Tamaño de la descarga : 37.03 MiB

  • Divisiones :

Separar Ejemplos
'train' 11,670
'validation' 1,998
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'gu': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
Gu Texto tf.cadena

wmt19_translate/kk-es

  • Descripción de la configuración : conjunto de datos de tareas de traducción WMT 2019 kk-en.

  • Tamaño de la descarga : 39.58 MiB

  • Divisiones :

Separar Ejemplos
'train' 126,583
'validation' 2,066
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'kk': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
k Texto tf.cadena

wmt19_translate/lt-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción lt-en de WMT 2019.

  • Tamaño de descarga : 392.20 MiB

  • Divisiones :

Separar Ejemplos
'train' 2,344,893
'validation' 2,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'lt': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
es Texto tf.cadena

wmt19_translate/ru-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción ru-en de WMT 2019.

  • Tamaño de descarga : 3.86 GiB

  • Divisiones :

Separar Ejemplos
'train' 38.492.126
'validation' 3,000
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'ru': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
tu Texto tf.cadena

wmt19_translate/zh-es

  • Descripción de la configuración : conjunto de datos de la tarea de traducción WMT 2019 zh-en.

  • Tamaño de descarga : 2.04 GiB

  • Divisiones :

Separar Ejemplos
'train' 25,986,436
'validation' 3,981
  • Estructura de características :
Translation({
    'en': Text(shape=(), dtype=tf.string),
    'zh': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
es Texto tf.cadena
Z h Texto tf.cadena

wmt19_translate/fr-de

  • Descripción de la configuración : conjunto de datos de la tarea de traducción fr-de de WMT 2019.

  • Tamaño de la descarga : 722.20 MiB

  • Divisiones :

Separar Ejemplos
'train' 9,824,476
'validation' 1,512
  • Estructura de características :
Translation({
    'de': Text(shape=(), dtype=tf.string),
    'fr': Text(shape=(), dtype=tf.string),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
Traducción
Delaware Texto tf.cadena
es Texto tf.cadena