First version of the model

README.md

@@ -6,7 +6,7 @@ tags:
 datasets:
 - dcep europarl jrc-acquis
 widget:
-- text: "Di conseguenza, l’energia rinnovabile non può essere considerata come distinta dagli altri obiettivi relativi all’attuazione di un mercato interno dell’elettricità, al raggiungimento di un potenziale di efficienza energetica pari al 20% e alla revisione del sistema di scambio delle quote di emissione di CO 2 ."
+- text: "18. deplora che il Consiglio europeo dell'8 e 9 marzo 2007 non abbia chiesto con sufficiente forza il completamento del mercato interno dell'energia; reputa indispensabile che le energie rinnovabili siano rapidamente integrate nel mercato interno dell'energia; ritiene che, ai fini dello sviluppo di un autentico mercato interno dell'energia, sia necessario assicurare condizioni eque in tutti gli Stati membri;"
 
 ---
 
@@ -38,7 +38,7 @@ tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/l
     device=0
 )
 
-it_text = "Di conseguenza, l’energia rinnovabile non può essere considerata come distinta dagli altri obiettivi relativi all’attuazione di un mercato interno dell’elettricità, al raggiungimento di un potenziale di efficienza energetica pari al 20% e alla revisione del sistema di scambio delle quote di emissione di CO 2 ."
+it_text = "18. deplora che il Consiglio europeo dell'8 e 9 marzo 2007 non abbia chiesto con sufficiente forza il completamento del mercato interno dell'energia; reputa indispensabile che le energie rinnovabili siano rapidamente integrate nel mercato interno dell'energia; ritiene che, ai fini dello sviluppo di un autentico mercato interno dell'energia, sia necessario assicurare condizioni eque in tutti gli Stati membri;"
 
 pipeline([it_text], max_length=512)
 ```
@@ -49,12 +49,12 @@ The legal_t5_small_trans_it_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
 
 
@@ -67,7 +67,7 @@ Test results :
 
 | Model | BLEU score |
 |:-----:|:-----:|
-|   legal_t5_small_trans_it_fr | 50.559|
+|   legal_t5_small_trans_it_fr | 50.56|
 
 
 ### BibTeX entry and citation info