Create README.md

README.md

@@ -0,0 +1,71 @@
+---
+language: zh
+datasets: c2m
+widget: 
+- text: "往者不可谏,来者犹可追。"
+
+
+---
+
+
+# Chinese word-based RoBERTa Miniatures
+
+## Model description
+
+
+## How to use
+使用 pipeline 调用模型:
+
+```python
+>>> from transformers import pipeline
+>>> model_checkpoint = "supermy/c2m"
+>>> translator = pipeline("translation", 
+		model=model_checkpoint,
+		num_return_sequences=1,
+		max_length=52, 
+		truncation=True,)
+
+>>> translator("往者不可谏,来者犹可追。")
+[{'translation_text': '过 去 的 事 情 不能 劝 谏 ， 未来 的 事 情 还 可以 追 回 来 。 如 果 过 去 的 事 情 不能 劝 谏 ， 那 么 ， 未来 的 事 情 还 可以 追 回 来 。 如 果 过 去 的 事 情'}]
+
+>>> translator("福兮祸所伏，祸兮福所倚。",do_sample=True)
+[{'translation_text': '幸 福 是 祸 患 所 隐 藏 的 ， 灾 祸 是 福 祸 所 依 托 的 。 这 些 都 是 幸 福 所 依 托 的 。 这 些 都 是 幸 福 所 带 来 的 。 幸 福 啊 ， 也 是 幸 福'}]
+
+>>> translator("成事不说，遂事不谏，既往不咎。", num_return_sequences=1,do_sample=True)
+[{'translation_text': '事 情 不 高 兴 ， 事 情 不 劝 谏 ， 过 去 的 事 就 不 会 责 怪 。 事 情 没 有 多 久 了 ， 事 情 没 有 多 久 ， 事 情 没 有 多 久 了 ， 事 情 没 有 多'}]
+
+>>> translator("逝者如斯夫！不舍昼夜。",num_return_sequences=1,max_length=30)
+[{'translation_text': '逝 去 的 人 就 像 这 样 啊 ， 不分 昼夜 地 去 追 赶 它 们 。 这 样 的 人 就 不 会 忘 记'}]
+
+```
+Here is how to use this model to get the features of a given text in PyTorch:
+
+```python
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+tokenizer = AutoTokenizer.from_pretrained("supermy/c2m")
+model = AutoModelForSeq2SeqLM.from_pretrained("supermy/c2m")
+text = "用你喜欢的任何文本替换我。"
+encoded_input = tokenizer(text, return_tensors='pt')
+output = model(**encoded_input)
+```
+
+
+
+## Training data
+
+
+```
+```
+
+## Training procedure
+
+[文言文数据集](https://huggingface.co/datasets/supermy/Classical-Modern) 训练数据. Helsinki-NLP [Helsinki-NLP](Helsinki-NLP/opus-mt-zh-en) 模型:
+
+
+```
+
+###  entry and citation info
+
+```
+
+```