metadata
language:
- gl
- pt
licence:
- MIT
tags:
- galician
- portuguese
- gpt2
license: mit
inference:
parameters:
top_k: 10
do_sample: true
temperature: 0.4
widget:
- text: |-
Traduce ao galego esta frase en inglés:
Inglés: "my sister is studying Biology at the university."
Galego: "a miña irmá está a estudar bioloxía na universidade."
----
Traduce ao galego esta frase en inglés:
Inglés: "You are working with my mother on a very interesting project."
Galego: "Estás a traballar coa miña nai nun proxecto moi interesante"
----
Traduce ao galego esta frase en inglés:
Inglés: "You have to fix the computer now"
Galego:
example_title: Translation-gl
- text: >-
Traduz para o português esta frase en inglês:
Inglês: "my sister is studying Biology at the university."
Português: "a minha irmã está a estudar biologia na universidade."
----
Traduz para o português esta frase en inglês:
Inglês: "You are working with my mother on a very interesting project."
Português: "Estás a trabalhar com a minha mãe em um projeto muito
interessante"
----
Traduz para o português esta frase en inglês:
Inglês: "You have to fix the computer now"
Português:
example_title: Translation-pt
- text: |-
Responde á seguinte pregunta.
Pregunta: "Cal é a capital de Noruega?"
Resposta: "A capital de Noruega é Oslo."
----
Responde á seguinte pregunta.
Pregunta: "Cal é a moeda de Portugal"
Resposta: "A moeda de Portugal é o euro."
----
Responde á seguinte pregunta.
Pregunta: "Cal é a capital de Suecia?"
Resposta:
example_title: QA-GL
- text: |-
Responda a seguinte questão.
Pergunta: "Qual é a capital da Noruega?"
Resposta: "A capital da Noruega é Oslo."
----
Responda a seguinte questão.
Pergunta: "Qual é a moeda de Portugal"
Resposta: “A moeda de Portugal é o euro”.
----
Responda a seguinte questão.
Pergunta: "Qual é a capital da Suécia?"
Responder:
example_title: QA-PT
- text: |-
Cualifica como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Estou moi feliz"
Polaridade: Positivo
----
Cualifica como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Non me gusta beber cervexa"
Polaridade: Negativo
----
Cualifica como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "O meu pai detesta o seu traballo"
Polaridade: Negativo
----
Cualifica como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Uxía desfruta xogando ao fútbol"
Polaridade: Positivo
----
Cualifica como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "O neno non está contento coas notas"
Polaridade:
example_title: Sentiment-GL
- text: |-
Classifique como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Estou muito feliz"
Polaridade: Positiva
----
Classifique como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Não gosto de beber cerveja"
Polaridade: Negativa
----
Classifique como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Meu pai odeia seu trabalho"
Polaridade: Negativa
----
Classifique como Positivo ou Negativo o sentimento da seguinte frase:
Texto: "Uxía gosta de jogar futebol"
Polaridade: Positiva
----
Classifique como Positivo ou Negativo o sentimento da seguinte frase:
Texto: “O menino não está feliz com as notas”
Polaridade:
example_title: Sentiment-PT
- text: |-
Extrae as entidades nomeadas do seguinte texto:
Texto: "Chámome Wolfgang e vivo en Berlin"
Entidades: Wolfgang:PER, Berlin:LOC
----
Extrae as entidades nomeadas do seguinte texto:
Texto: "María e Miguel non teñen ningún problema"
Entidades: María:PER, Miguel:PER
----
Extrae as entidades nomeadas do seguinte texto:
Texto: "O mellor de Barcelona é o bar do meu amigo Pablo"
Entidades: Pablo:PER, Barcelona:LOC
----
Extrae as entidades nomeadas do seguinte texto:
Texto: "María axudou a Carlos na empresa"
Entidades:
example_title: NER-GL
- text: |-
Extraia as entidades nomeadas do seguinte texto:
Texto: "Meu nome é Wolfgang e moro em Berlim"
Entidades: Wolfgang:PER, Berlim:LOC
----
Extraia as entidades nomeadas do seguinte texto:
Texto: "Maria e Miguel não têm problemas"
Entidades: Maria:PER, Miguel:PER
----
Extraia as entidades nomeadas do seguinte texto:
Texto: "A melhor coisa de Barcelona é o bar do meu amigo Pablo"
Entidades: Pablo:PER, Barcelona:LOC
----
Extraia as entidades nomeadas do seguinte texto:
Texto: "Maria ajudou Carlos na empresa"
Entidades:
example_title: NER-PT
- text: A receita tradicional das filloas é
example_title: Receita-GL
- text: A receita tradicional de panquecas é
example_title: Receita-PT
- text: O neno vivía preto
example_title: O neno-GL
- text: O menino morava perto
example_title: O menino-PT
Carvalho_pt-gl-1.3B
How to use
import torch
from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
token_HF=""#Obter na páxina de HuggingFace
input_text = "Hoxe fai un bo día. O sol "
model_id = "Nos-PT/Carvalho_pt-gl-1.3B"
tokenizer = AutoTokenizer.from_pretrained(model_id, use_auth_token=token_HF)
model = AutoModelForCausalLM.from_pretrained(model_id, use_auth_token=token_HF)
generator = pipeline(
"text-generation",
model=model,
tokenizer=tokenizer,
torch_dtype=torch.bfloat16,
trust_remote_code=True,
device_map="auto",
)
generation = generator(
input_text,
do_sample=True,
top_k=10,
eos_token_id=tokenizer.eos_token_id
)
print(f"Result: {generation[0]['generated_text']}")