latext5 / README.md
turnipseason's picture
Updated usage example
ec91c54 verified
|
raw
history blame
2.09 kB
---
license: mit
language:
- ru
library_name: transformers
pipeline_tag: text2text-generation
tags:
- math
- normalization
---
### Описание:
Модель для нормализации русскоязычных текстов, содержащих математические сущности, в формат LaTeX.
Модель является дообученной на переведённом&аугментированном датасете "[Mathematics Stack Exchange API Q&A Data](https://zenodo.org/records/1414384)" версией модели [cointegrated/rut5-small](https://huggingface.co/cointegrated/rut5-small).
### Description:
This is a model for mathematical text normalization in Russian, based on the [cointegrated/rut5-small](https://huggingface.co/cointegrated/rut5-small) paraphraser.
The model was created by finetuning the paraphraser on a translated&augmented "[Mathematics Stack Exchange API Q&A Data](https://zenodo.org/records/1414384)" dataset.
Пример использования:
---
Usage example:
---
``` python
import torch
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
from IPython.display import display, Math, Latex
model_dir = "turnipseason/latext5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_dir)
tokenizer = AutoTokenizer.from_pretrained(model_dir)
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model.to(device)
def get_latex(text):
inputs = tokenizer(text, return_tensors='pt').to(device)
with torch.no_grad():
hypotheses = model.generate(
**inputs,
do_sample=True, num_return_sequences=1,
repetition_penalty=1.2,
max_length=len(text),
num_beams=10,
early_stopping=True
)
for h in hypotheses:
display(Latex(tokenizer.decode(h, skip_special_tokens=True)))
text = '''лямбда прописная квадрат минус три равно десять игрек куб
При этом шинус икс равен интеграл от экспоненты до трёх игрек штрих'''
get_latex(text)
```