Proyecto 1: Traducción automática con MarianMT
Paso 4: Explorando Pares de Idiomas Adicionales
MarianMT admite varios pares de idiomas. Puedes experimentar con modelos como:
Helsinki-NLP/opus-mt-en-depara inglés a alemán.Helsinki-NLP/opus-mt-fr-enpara francés a inglés.
Simplemente reemplaza el nombre del modelo en la variable model_name para cargar un par de idiomas diferente. Aquí hay un ejemplo para inglés a alemán:
model_name = "Helsinki-NLP/opus-mt-en-de"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
# Translate a sentence
text_to_translate = ["Welcome to the world of transformers!"]
inputs = tokenizer(text_to_translate, return_tensors="pt", padding=True)
translated_outputs = model.generate(**inputs)
translated_texts = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_outputs]
print(f"Translated Text (EN to DE): {translated_texts[0]}")Analicemos este ejemplo de código:
1. Configuración del Modelo:
- Configura el modelo de traducción de inglés a alemán usando "Helsinki-NLP/opus-mt-en-de"
- Inicializa tanto el tokenizador como el modelo desde los pesos preentrenados
2. Proceso de Traducción:
- Crea un array de texto de muestra con una oración: "Welcome to the world of transformers!"
- Convierte el texto en tokens que el modelo pueda entender usando el tokenizador
- Genera la traducción usando el método generate del modelo
- Decodifica la salida de vuelta a texto legible, omitiendo tokens especiales
3. Salida:
- Finalmente imprime el texto traducido, mostrando la conversión de inglés a alemán
Paso 4: Explorando Pares de Idiomas Adicionales
MarianMT admite varios pares de idiomas. Puedes experimentar con modelos como:
Helsinki-NLP/opus-mt-en-depara inglés a alemán.Helsinki-NLP/opus-mt-fr-enpara francés a inglés.
Simplemente reemplaza el nombre del modelo en la variable model_name para cargar un par de idiomas diferente. Aquí hay un ejemplo para inglés a alemán:
model_name = "Helsinki-NLP/opus-mt-en-de"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
# Translate a sentence
text_to_translate = ["Welcome to the world of transformers!"]
inputs = tokenizer(text_to_translate, return_tensors="pt", padding=True)
translated_outputs = model.generate(**inputs)
translated_texts = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_outputs]
print(f"Translated Text (EN to DE): {translated_texts[0]}")Analicemos este ejemplo de código:
1. Configuración del Modelo:
- Configura el modelo de traducción de inglés a alemán usando "Helsinki-NLP/opus-mt-en-de"
- Inicializa tanto el tokenizador como el modelo desde los pesos preentrenados
2. Proceso de Traducción:
- Crea un array de texto de muestra con una oración: "Welcome to the world of transformers!"
- Convierte el texto en tokens que el modelo pueda entender usando el tokenizador
- Genera la traducción usando el método generate del modelo
- Decodifica la salida de vuelta a texto legible, omitiendo tokens especiales
3. Salida:
- Finalmente imprime el texto traducido, mostrando la conversión de inglés a alemán
Paso 4: Explorando Pares de Idiomas Adicionales
MarianMT admite varios pares de idiomas. Puedes experimentar con modelos como:
Helsinki-NLP/opus-mt-en-depara inglés a alemán.Helsinki-NLP/opus-mt-fr-enpara francés a inglés.
Simplemente reemplaza el nombre del modelo en la variable model_name para cargar un par de idiomas diferente. Aquí hay un ejemplo para inglés a alemán:
model_name = "Helsinki-NLP/opus-mt-en-de"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
# Translate a sentence
text_to_translate = ["Welcome to the world of transformers!"]
inputs = tokenizer(text_to_translate, return_tensors="pt", padding=True)
translated_outputs = model.generate(**inputs)
translated_texts = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_outputs]
print(f"Translated Text (EN to DE): {translated_texts[0]}")Analicemos este ejemplo de código:
1. Configuración del Modelo:
- Configura el modelo de traducción de inglés a alemán usando "Helsinki-NLP/opus-mt-en-de"
- Inicializa tanto el tokenizador como el modelo desde los pesos preentrenados
2. Proceso de Traducción:
- Crea un array de texto de muestra con una oración: "Welcome to the world of transformers!"
- Convierte el texto en tokens que el modelo pueda entender usando el tokenizador
- Genera la traducción usando el método generate del modelo
- Decodifica la salida de vuelta a texto legible, omitiendo tokens especiales
3. Salida:
- Finalmente imprime el texto traducido, mostrando la conversión de inglés a alemán
Paso 4: Explorando Pares de Idiomas Adicionales
MarianMT admite varios pares de idiomas. Puedes experimentar con modelos como:
Helsinki-NLP/opus-mt-en-depara inglés a alemán.Helsinki-NLP/opus-mt-fr-enpara francés a inglés.
Simplemente reemplaza el nombre del modelo en la variable model_name para cargar un par de idiomas diferente. Aquí hay un ejemplo para inglés a alemán:
model_name = "Helsinki-NLP/opus-mt-en-de"
tokenizer = MarianTokenizer.from_pretrained(model_name)
model = MarianMTModel.from_pretrained(model_name)
# Translate a sentence
text_to_translate = ["Welcome to the world of transformers!"]
inputs = tokenizer(text_to_translate, return_tensors="pt", padding=True)
translated_outputs = model.generate(**inputs)
translated_texts = [tokenizer.decode(t, skip_special_tokens=True) for t in translated_outputs]
print(f"Translated Text (EN to DE): {translated_texts[0]}")Analicemos este ejemplo de código:
1. Configuración del Modelo:
- Configura el modelo de traducción de inglés a alemán usando "Helsinki-NLP/opus-mt-en-de"
- Inicializa tanto el tokenizador como el modelo desde los pesos preentrenados
2. Proceso de Traducción:
- Crea un array de texto de muestra con una oración: "Welcome to the world of transformers!"
- Convierte el texto en tokens que el modelo pueda entender usando el tokenizador
- Genera la traducción usando el método generate del modelo
- Decodifica la salida de vuelta a texto legible, omitiendo tokens especiales
3. Salida:
- Finalmente imprime el texto traducido, mostrando la conversión de inglés a alemán