WMT16¶

class paddle.text.datasets. WMT16 [源代码] ¶

该类是对 WMT16 测试数据集实现。 ACL2016 多模态机器翻译。有关更多详细信息，请访问此网站： http://www.statmt.org/wmt16/multimodal-task.html#task1

如果您任务中使用了该数据集，请引用论文：Multi30K: Multilingual English-German Image Descriptions. 。

参数¶

**data_file**（str）- 保存数据集压缩文件的路径，如果参数 :attr:`download`设置为 True，可设置为 None。默认值为 None。

**mode**（str）- 'train'，'test' 或 'val'。默认为'train'。

**src_dict_size**（int）- 源语言词典大小。默认为-1。

**trg_dict_size**（int) - 目标语言测点大小。默认为-1。

**lang**（str）- 源语言，'en' 或 'de'。默认为 'en'。

**download**（bool）- 如果 :attr:`data_file`未设置，是否自动下载数据集。默认为 True。

返回值¶

Dataset，WMT16 数据集实例。实例一共有三个字段：

src_ids (np.array) - 源语言当前的 token id 序列。

trg_ids (np.array) - 目标语言当前的 token id 序列。

trg_ids_next (np.array) - 目标语言下一段的 token id 序列。

代码示例¶

COPY-FROM: paddle.text.datasets.WMT16