wmt19_translate

  • Descrição :

Traduza o conjunto de dados com base nos dados de statmt.org.

Existem versões para os diferentes anos usando uma combinação de várias fontes de dados. A base wmt_translate permite que você crie sua própria configuração para escolher seu próprio par de dados/idioma criando um 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 inicial : http://www.statmt.org/wmt19/translation-task.html

  • Código -fonte: tfds.translate.Wmt19Translate

  • Versões :

    • 1.0.0 (padrão): sem notas de versão.
  • Instruções de download manual : este conjunto de dados exige que você baixe os dados de origem manualmente em download_config.manual_dir (o padrão é ~/tensorflow_datasets/downloads/manual/ ):
    Algumas das configurações do wmt aqui requerem um download manual. Por favor, olhe em wmt.py para ver o caminho exato (e nome do arquivo) que deve ser baixado.

  • Figura ( tfds.show_examples ): Não suportado.

  • Citação :

@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 (configuração padrão)

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2019 cs-en.

  • Tamanho do download : 1.88 GiB

  • Tamanho do conjunto de dados : 3.64 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 20.246.548
'validation' 2.983
  • Estrutura de recursos :
Translation({
    'cs': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
cs Texto corda
pt Texto corda

wmt19_translate/de-en

  • Descrição da configuração : conjunto de dados de tarefa de tradução de-en WMT 2019.

  • Tamanho do download : 9.71 GiB

  • Tamanho do conjunto de dados : 8.60 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 38.690.334
'validation' 2.998
  • Estrutura de recursos :
Translation({
    'de': Text(shape=(), dtype=string),
    'en': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
de Texto corda
pt Texto corda

wmt19_translate/fi-en

  • Descrição da configuração : WMT 2019 conjunto de dados de tarefa de tradução fi-en.

  • Tamanho do download : 959.46 MiB

  • Tamanho do conjunto de dados : 1.46 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 6.587.448
'validation' 3.000
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'fi': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
fi Texto corda

wmt19_translate/gu-en

  • Descrição da configuração : conjunto de dados da tarefa de tradução gu-en do WMT 2019.

  • Tamanho do download : 37.03 MiB

  • Tamanho do conjunto de dados : 1.55 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'train' 11.670
'validation' 1.998
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'gu': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
gu Texto corda

wmt19_translate/kk-en

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2019 kk-en.

  • Tamanho do download : 39.58 MiB

  • Tamanho do conjunto de dados : 11.82 MiB

  • Cache automático ( documentação ): Sim

  • Divisões :

Dividir Exemplos
'train' 126.583
'validation' 2.066
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'kk': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
kkk Texto corda

wmt19_translate/lt-en

  • Descrição da configuração : conjunto de dados da tarefa de tradução WMT 2019 lt-en.

  • Tamanho do download : 392.20 MiB

  • Tamanho do conjunto de dados : 537.26 MiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 2.344.893
'validation' 2.000
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'lt': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
lt Texto corda

wmt19_translate/ru-en

  • Descrição da configuração : WMT 2019 conjunto de dados de tarefa de tradução ru-en.

  • Tamanho do download : 1.57 GiB

  • Tamanho do conjunto de dados : 13.95 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 38.492.126
'validation' 3.000
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'ru': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
ru Texto corda

wmt19_translate/zh-en

  • Descrição da configuração : Conjunto de dados da tarefa de tradução WMT 2019 zh-en.

  • Tamanho do download : 770.91 MiB

  • Tamanho do conjunto de dados : 6.49 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 25.986.436
'validation' 3.981
  • Estrutura de recursos :
Translation({
    'en': Text(shape=(), dtype=string),
    'zh': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
pt Texto corda
zh Texto corda

wmt19_translate/fr-de

  • Descrição da configuração : Conjunto de dados da tarefa de tradução WMT 2019 fr-de.

  • Tamanho do download : 722.20 MiB

  • Tamanho do conjunto de dados : 2.39 GiB

  • Armazenado em cache automaticamente ( documentação ): Não

  • Divisões :

Dividir Exemplos
'train' 9.824.476
'validation' 1.512
  • Estrutura de recursos :
Translation({
    'de': Text(shape=(), dtype=string),
    'fr': Text(shape=(), dtype=string),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
Tradução
de Texto corda
fr Texto corda