First version of the model

README.md

@@ -6,7 +6,7 @@ tags:
 datasets:
 - dcep europarl jrc-acquis
 widget:
-- text: "naléhavě vyzývá všechny členské státy, které neuplatňují doložku o neúčasti a dosud nejsou členy eurozóny, aby se soustředily na splnění maastrichtských kritérií a naplánovaly přijetí eura v co nejkratším termínu, což je lépe ochrání před případnými dalšími krizemi;"
+- text: "Prevencí proti nemoci Usnesení, o kterém bude Parlament hlasovat 24. října je založeno zejména na interpelacích, které poslancům předložily parlamentní kluby pro životní prostředí, zaměstnanost a práva žen."
 
 ---
 
@@ -38,7 +38,7 @@ tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/l
     device=0
 )
 
-cs_text = "naléhavě vyzývá všechny členské státy, které neuplatňují doložku o neúčasti a dosud nejsou členy eurozóny, aby se soustředily na splnění maastrichtských kritérií a naplánovaly přijetí eura v co nejkratším termínu, což je lépe ochrání před případnými dalšími krizemi;"
+cs_text = "Prevencí proti nemoci Usnesení, o kterém bude Parlament hlasovat 24. října je založeno zejména na interpelacích, které poslancům předložily parlamentní kluby pro životní prostředí, zaměstnanost a práva žen."
 
 pipeline([cs_text], max_length=512)
 ```
@@ -49,12 +49,12 @@ The legal_t5_small_trans_cs_fr model was trained on [JRC-ACQUIS](https://wt-publ
 
 ## Training procedure
 
-An unigram model trained with 88M lines of text from the parallel corpus (of all possible language pairs) to get the vocabulary (with byte pair encoding), which is used with this model.
-
 The model was trained on a single TPU Pod V3-8 for 250K steps in total, using sequence length 512 (batch size 4096). It has a total of approximately 220M parameters and was trained using the encoder-decoder architecture. The optimizer used is AdaFactor with inverse square root learning rate schedule for pre-training.
 
 ### Preprocessing
 
+An unigram model trained with 88M lines of text from the parallel corpus (of all possible language pairs) to get the vocabulary (with byte pair encoding), which is used with this model.
+
 ### Pretraining