QuBERT

Qubert

Calberta ist ein Sprachmodell auf Roberta -Basis für Quechua. Unser Sprachmodell wurde mit Text von Quechua Southern (Collao und Chanka) vorbefragt.

Über das Modell

Modul	Entladung
Callberta	config.json, pytorch_model.bin
Tokenizer	Merges.txt, vocab.json

Das Modell verwendet einen BPE-Tokenizer auf Byte-Ebene mit einem 52000 Subpalabras-Token-Vokabular.

Benutzerfreundlichkeit

Sobald die Gewichte und der Tokenizer im obigen Abschnitt entladen sind, muss es in einem einzelnen Ordner angeschlossen werden, in diesem Fall LlamaRoBERTa sollte.

 from transformers import pipeline

fill_mask = pipeline (
    "fill-mask" ,
    model = "./LlamaRoBERTa" ,
    tokenizer = "./LlamaRoBERTa"
)

Der Test wird durchgeführt, was in Phasen von Verbesserungen liegt.

 fill_mask ( "allinllachu <mask> allinlla huk wasipita." )

 [{'score': 0.23992203176021576,
 'sequence': 'allinllachu nisqaqa allinlla huk wasipita.',
 'token': 334,
 'token_str': ' nisqaqa'},
{'score': 0.061005301773548126,
 'sequence': 'allinllachu, allinlla huk wasipita.',
 'token': 16,
 'token_str': ','},
 {'score': 0.028720015659928322,
 'sequence': "allinllachu' allinlla huk wasipita.",
 'token': 11,
 'token_str': "'"},
{'score': 0.012927944771945477,
'sequence': 'allinllachu kay allinlla huk wasipita.',
'token': 377,
'token_str': ' kay'},
{'score': 0.01230092253535986,
'sequence': 'allinllachu. allinlla huk wasipita.',
 'token': 18,
'token_str': '.'}]