YAML Metadata Warning: The pipeline tag "text2text-generation" is not in the official list: text-classification, token-classification, table-question-answering, question-answering, zero-shot-classification, translation, summarization, feature-extraction, text-generation, fill-mask, sentence-similarity, text-to-speech, text-to-audio, automatic-speech-recognition, audio-to-audio, audio-classification, audio-text-to-text, voice-activity-detection, depth-estimation, image-classification, object-detection, image-segmentation, text-to-image, image-to-text, image-to-image, image-to-video, unconditional-image-generation, video-classification, reinforcement-learning, robotics, tabular-classification, tabular-regression, tabular-to-text, table-to-text, multiple-choice, text-ranking, text-retrieval, time-series-forecasting, text-to-video, image-text-to-text, image-text-to-image, image-text-to-video, visual-question-answering, document-question-answering, zero-shot-image-classification, graph-ml, mask-generation, zero-shot-object-detection, text-to-3d, image-to-3d, image-feature-extraction, video-text-to-text, keypoint-detection, visual-document-retrieval, any-to-any, video-to-video, other

basic-go/rut5-base-texificator-st1

Модель предназначена для нормализации исходного текста, содержащего математические сущности, выраженные в смеси полусловесных формулировок и/или различных математических языков разметки, в текст, приведенный в соответствие с правилами системы компьютерной вёрстки LaTeX для русского языка.

Использование

Пример ниже демонстрирует нормализацию:

from transformers import pipeline


normalizer = pipeline("text2text-generation", model="basic-go/rut5-base-texificator-st1")

inputs = ["неопределённый интеграл жи штрих от икс дэ икс равно жи от икс плюс цэ большое",
    r"f : RR^(2) -> RR^(3)"]
results = normalizer(inputs, max_length=128, do_sample=True, length_penalty=0.5, top_k=100, num_beams=7, early_stopping=True, repetition_penalty=2.5)

print(results)

# [{'generated_text': "\\(\\int g'(x)dx=g(x)+C\\)"}, {'generated_text': '\\(f : \\mathbb{R}^2 \\to \\mathbb{R}^3\\)'}]

Вместе с тем рекомендуется использовать модель в составе библиотеки Emma для актуальной пред- и постобработки данных.

Downloads last month: 1