diff --git a/README.md b/README.md
index 1fa319e18b770c2cab14fd3d86b6ebe8fa8f87c9..b7e62e237f448824a23138f64384deaa496c4b5d 100644
--- a/README.md
+++ b/README.md
@@ -178,8 +178,8 @@ The release of this project is certified by the Apache 2.0 l
- 
+
@@ -187,6 +187,7 @@ The release of this project is certified by the Apache 2.0 l
+ 
@@ -201,6 +202,7 @@ The release of this project is certified by the Apache 2.0 l
+ 
@@ -227,3 +229,5 @@ We welcome you to contribute code to PaddleHub, and thank you for your feedback.
* Many thanks to [paopjian](https://github.com/paopjian) for correcting the wrong website address [#1424](https://github.com/PaddlePaddle/PaddleHub/issues/1424)
* Many thanks to [Wgm-Inspur](https://github.com/Wgm-Inspur) for correcting the demo errors in readme, and updating the RNN illustration in the text classification and sequence labeling demo
* Many thanks to [zl1271](https://github.com/zl1271) for fixing serving docs typo
+* Many thanks to [AK391](https://github.com/AK391) for adding the webdemo of UGATIT and deoldify models in Hugging Face spaces
+* Many thanks to [itegel](https://github.com/itegel) for fixing quick start docs typo
diff --git a/README_ch.md b/README_ch.md
index ecbc273fb5b5bbbce499a4f61b39142c08754769..4d4efd58b4304477fd8d3737a476810610e50e80 100644
--- a/README_ch.md
+++ b/README_ch.md
@@ -195,8 +195,8 @@ print(results)
-
+
@@ -204,6 +204,7 @@ print(results)
+
@@ -218,6 +219,7 @@ print(results)
+
@@ -243,3 +245,5 @@ print(results)
* 非常感谢[paopjian](https://github.com/paopjian)修改了中文readme模型搜索指向的的网站地址错误[#1424](https://github.com/PaddlePaddle/PaddleHub/issues/1424)
* 非常感谢[Wgm-Inspur](https://github.com/Wgm-Inspur)修复了readme中的代码示例问题，并优化了文本分类、序列标注demo中的RNN示例图
* 非常感谢[zl1271](https://github.com/zl1271)修复了serving文档中的错别字
+* 非常感谢[AK391](https://github.com/AK391)在Hugging Face spaces中添加了UGATIT和deoldify模型的web demo
+* 非常感谢[itegel](https://github.com/itegel)修复了快速开始文档中的错别字
diff --git a/modules/text/machine_translation/transformer/en-de/README.md b/modules/text/machine_translation/transformer/en-de/README.md
index 586186ed26bcadcd52bc82575e2cdae395cf0690..5e93e9bdc1548a0fcef57db8089f9156e48c7ade 100644
--- a/modules/text/machine_translation/transformer/en-de/README.md
+++ b/modules/text/machine_translation/transformer/en-de/README.md
@@ -1,120 +1,141 @@
-```shell
-$ hub install transformer_en-de==1.0.0
-```
+# transformer_en-de
+|模型名称|transformer_en-de|
+| :--- | :---: |
+|类别|文本-机器翻译|
+|网络|Transformer|
+|数据集|WMT14 EN-DE|
+|是否支持Fine-tuning|否|
+|模型大小|481MB|
+|最新更新日期|2021-07-21|
+|数据指标|-|
-## 概述
+## 一、模型基本信息
-2017 年，Google机器翻译团队在其发表的论文[Attention Is All You Need](https://arxiv.org/abs/1706.03762)中，提出了用于完成机器翻译（Machine Translation）等序列到序列（Seq2Seq）学习任务的一种全新网络结构——Transformer。Tranformer网络完全使用注意力（Attention）机制来实现序列到序列的建模，并且取得了很好的效果。
+- ### 模型介绍
-transformer_en-de包含6层的transformer结构，头数为8，隐藏层参数为512，参数量为64M。该模型在[WMT'14 EN-DE数据集](http://www.statmt.org/wmt14/translation-task.html)进行了预训练，加载后可直接用于预测，提供了英文翻译为德文的能力。
+ - 2017 年，Google机器翻译团队在其发表的论文[Attention Is All You Need](https://arxiv.org/abs/1706.03762)中，提出了用于完成机器翻译（Machine Translation）等序列到序列（Seq2Seq）学习任务的一种全新网络结构——Transformer。Tranformer网络完全使用注意力（Attention）机制来实现序列到序列的建模，并且取得了很好的效果。
-关于机器翻译的Transformer模型训练方式和详情，可查看[Machine Translation using Transformer](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer)。
+ - transformer_en-de包含6层的transformer结构，头数为8，隐藏层参数为512，参数量为64M。该模型在[WMT'14 EN-DE数据集](http://www.statmt.org/wmt14/translation-task.html)进行了预训练，加载后可直接用于预测，提供了英文翻译为德文的能力。
-## API
+ - 关于机器翻译的Transformer模型训练方式和详情，可查看[Machine Translation using Transformer](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer)。
+## 二、安装
-```python
-def __init__(max_length: int = 256,
- max_out_len: int = 256,
- beam_size: int = 5):
-```
-初始化module，可配置模型的输入输出文本的最大长度和解码时beam search的宽度。
+- ### 1、环境依赖
-**参数**
-- `max_length`(int): 输入文本的最大长度，默认值为256。
-- `max_out_len`(int): 输出文本的最大解码长度，默认值为256。
-- `beam_size`(int): beam search方式解码的beam宽度，默认为5。
+ - paddlepaddle >= 2.1.0
+
+ - paddlehub >= 2.1.0 | [如何安装PaddleHub](../../../../docs/docs_ch/get_start/installation.rst)
+- ### 2、安装
-```python
-def predict(data: List[str],
- batch_size: int = 1,
- n_best: int = 1,
- use_gpu: bool = False):
-```
-预测API，输入源语言的文本句子，解码后输出翻译后的目标语言的文本候选句子。
+ - ```shell
+ $ hub install transformer_en-de
+ ```
+ - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
+ | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
+
+## 三、模型API预测
+
+- ### 1、预测代码示例
-**参数**
-- `data`(List[str]): 源语言的文本列表，数据类型为List[str]
-- `batch_size`(int): 进行预测的batch_size，默认为1
-- `n_best`(int): 每个输入文本经过模型解码后，输出的得分最高的候选句子的数量，必须小于beam_size，默认为1
-- `use_gpu`(bool): 是否使用gpu执行预测，默认为False
+ - ```python
+ import paddlehub as hub
-**返回**
-* `results`(List[str]): 翻译后的目标语言的候选句子，长度为`len(data)*n_best`
+ model = hub.Module(name='transformer_en-de', beam_size=5)
+ src_texts = [
+ 'What are you doing now?',
+ 'The change was for the better; I eat well, I exercise, I take my drugs.',
+ 'Such experiments are not conducted for ethical reasons.',
+ ]
+ n_best = 3 # 每个输入样本的输出候选句子数量
+ trg_texts = model.predict(src_texts, n_best=n_best)
+ for idx, st in enumerate(src_texts):
+ print('-'*30)
+ print(f'src: {st}')
+ for i in range(n_best):
+ print(f'trg[{i+1}]: {trg_texts[idx*n_best+i]}')
+ ```
-**代码示例**
+- ### 2、API
-```python
-import paddlehub as hub
+ - ```python
+ def __init__(max_length: int = 256,
+ max_out_len: int = 256,
+ beam_size: int = 5):
+ ```
+
+ - 初始化module，可配置模型的输入输出文本的最大长度和解码时beam search的宽度。
+
+ - **参数**
-model = hub.Module(name='transformer_en-de', beam_size=5)
-src_texts = [
- 'What are you doing now?',
- 'The change was for the better; I eat well, I exercise, I take my drugs.',
- 'Such experiments are not conducted for ethical reasons.',
-]
+ - `max_length`(int): 输入文本的最大长度，默认值为256。
+ - `max_out_len`(int): 输出文本的最大解码长度，默认值为256。
+ - `beam_size`(int): beam search方式解码的beam宽度，默认为5。
-n_best = 3 # 每个输入样本的输出候选句子数量
-trg_texts = model.predict(src_texts, n_best=n_best)
-for idx, st in enumerate(src_texts):
- print('-'*30)
- print(f'src: {st}')
- for i in range(n_best):
- print(f'trg[{i+1}]: {trg_texts[idx*n_best+i]}')
-```
+ - ```python
+ def predict(data: List[str],
+ batch_size: int = 1,
+ n_best: int = 1,
+ use_gpu: bool = False):
+ ```
-## 服务部署
+ - 预测API，输入源语言的文本句子，解码后输出翻译后的目标语言的文本候选句子。
-通过启动PaddleHub Serving，可以加载模型部署在线翻译服务。
+ - **参数**
-### Step1: 启动PaddleHub Serving
+ - `data`(List[str]): 源语言的文本列表，数据类型为List[str]
+ - `batch_size`(int): 进行预测的batch_size，默认为1
+ - `n_best`(int): 每个输入文本经过模型解码后，输出的得分最高的候选句子的数量，必须小于beam_size，默认为1
+ - `use_gpu`(bool): 是否使用gpu执行预测，默认为False
+
+ - **返回**
-运行启动命令：
+ - `results`(List[str]): 翻译后的目标语言的候选句子，长度为`len(data)*n_best`
-```shell
-$ hub serving start -m transformer_en-de
-```
+## 四、服务部署
-通过以上命令可完成一个英德机器翻译API的部署，默认端口号为8866。
+- 通过启动PaddleHub Serving，可以加载模型部署在线翻译服务。
-**NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。
+- ### 第一步：启动PaddleHub Serving
-### Step2: 发送预测请求
+ - 运行启动命令：
-配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果
+ - ```shell
+ $ hub serving start -m transformer_en-de
+ ```
-```python
-import requests
-import json
+ - 通过以上命令可完成一个英德机器翻译API的部署，默认端口号为8866。
-texts = [
- 'What are you doing now?',
- 'The change was for the better; I eat well, I exercise, I take my drugs.',
- 'Such experiments are not conducted for ethical reasons.',
-]
-data = {"data": texts}
-# 发送post请求，content-type类型应指定json方式，url中的ip地址需改为对应机器的ip
-url = "http://127.0.0.1:8866/predict/transformer_en-de"
-# 指定post请求的headers为application/json方式
-headers = {"Content-Type": "application/json"}
+ - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。
-r = requests.post(url=url, headers=headers, data=json.dumps(data))
-print(r.json())
-```
+- ## 第二步：发送预测请求
-## 查看代码
+ - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果
-https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer
+ - ```python
+ import requests
+ import json
-## 依赖
+ texts = [
+ 'What are you doing now?',
+ 'The change was for the better; I eat well, I exercise, I take my drugs.',
+ 'Such experiments are not conducted for ethical reasons.',
+ ]
+ data = {"data": texts}
+ # 发送post请求，content-type类型应指定json方式，url中的ip地址需改为对应机器的ip
+ url = "http://127.0.0.1:8866/predict/transformer_en-de"
+ # 指定post请求的headers为application/json方式
+ headers = {"Content-Type": "application/json"}
-paddlepaddle >= 2.0.0
+ r = requests.post(url=url, headers=headers, data=json.dumps(data))
+ print(r.json())
+ ```
-paddlehub >= 2.1.0
+ - 关于PaddleHub Serving更多信息参考：[服务部署](../../../../docs/docs_ch/tutorial/serving.md)
-## 更新历史
+## 五、更新历史
* 1.0.0
@@ -123,3 +144,6 @@ paddlehub >= 2.1.0
* 1.0.1
修复模型初始化的兼容性问题
+ - ```shell
+ $ hub install transformer_en-de==1.0.1
+ ```
diff --git a/modules/text/machine_translation/transformer/en-de/module.py b/modules/text/machine_translation/transformer/en-de/module.py
index ed60c5a82091b5e72f8e30d7a66741b7d3b71128..75b0389b8a2cc02118b40d34b6ade553b0a7ac16 100644
--- a/modules/text/machine_translation/transformer/en-de/module.py
+++ b/modules/text/machine_translation/transformer/en-de/module.py
@@ -13,7 +13,6 @@
# limitations under the License.
import os
-from packaging.version import Version
from typing import List
import paddle
@@ -56,15 +55,12 @@ class MTTransformer(nn.Layer):
# Vocabularies in source and target should be same for weight sharing.
"weight_sharing": True,
# Dropout rate
- 'dropout': 0
+ 'dropout': 0,
+ # Number of sub-layers to be stacked in the encoder and decoder.
+ "num_encoder_layers": 6,
+ "num_decoder_layers": 6
}
- # Number of sub-layers to be stacked in the encoder and decoder.
- if Version(paddlenlp.__version__) <= Version('2.0.5'):
- model_config.update({"n_layer": 6})
- else:
- model_config.update({"num_encoder_layers": 6, "num_decoder_layers": 6})
-
# Vocab config
vocab_config = {
# Used to pad vocab size to be multiple of pad_factor.
diff --git a/modules/text/machine_translation/transformer/en-de/requirements.txt b/modules/text/machine_translation/transformer/en-de/requirements.txt
index adf3e7fe61baa839a71c8b276b752c3ad2148ca4..9b56b1aac0af7268a79bf6f9a4f10d0b906808e3 100644
--- a/modules/text/machine_translation/transformer/en-de/requirements.txt
+++ b/modules/text/machine_translation/transformer/en-de/requirements.txt
@@ -1,2 +1,3 @@
+paddlenlp>=2.1.0
sacremoses
subword-nmt
diff --git a/modules/text/machine_translation/transformer/zh-en/README.md b/modules/text/machine_translation/transformer/zh-en/README.md
index 444b8cdb3e09bd203441e41c64ae59d3f2e06821..db4135f84a457898d9cc4ba93f7cf3971de0e0dc 100644
--- a/modules/text/machine_translation/transformer/zh-en/README.md
+++ b/modules/text/machine_translation/transformer/zh-en/README.md
@@ -1,118 +1,138 @@
-```shell
-$ hub install transformer_zh-en==1.0.0
-```
+# transformer_zh-en
+|模型名称|transformer_zh-en|
+| :--- | :---: |
+|类别|文本-机器翻译|
+|网络|Transformer|
+|数据集|CWMT2021|
+|是否支持Fine-tuning|否|
+|模型大小|614MB|
+|最新更新日期|2021-07-21|
+|数据指标|-|
-## 概述
+## 一、模型基本信息
-2017 年，Google机器翻译团队在其发表的论文[Attention Is All You Need](https://arxiv.org/abs/1706.03762)中，提出了用于完成机器翻译（Machine Translation）等序列到序列（Seq2Seq）学习任务的一种全新网络结构——Transformer。Tranformer网络完全使用注意力（Attention）机制来实现序列到序列的建模，并且取得了很好的效果。
+- ### 模型介绍
-transformer_zh-en包含6层的transformer结构，头数为8，隐藏层参数为512，参数量为64M。该模型在[CWMT2021的数据集](http://nlp.nju.edu.cn/cwmt-wmt)进行了预训练，加载后可直接用于预测, 提供了中文翻译为英文的能力。
+ - 2017 年，Google机器翻译团队在其发表的论文[Attention Is All You Need](https://arxiv.org/abs/1706.03762)中，提出了用于完成机器翻译（Machine Translation）等序列到序列（Seq2Seq）学习任务的一种全新网络结构——Transformer。Tranformer网络完全使用注意力（Attention）机制来实现序列到序列的建模，并且取得了很好的效果。
-关于机器翻译的Transformer模型训练方式和详情，可查看[Machine Translation using Transformer](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer)。
+ - transformer_zh-en包含6层的transformer结构，头数为8，隐藏层参数为512，参数量为64M。该模型在[CWMT2021的数据集](http://nlp.nju.edu.cn/cwmt-wmt)进行了预训练，加载后可直接用于预测, 提供了中文翻译为英文的能力。
-## API
+ - 关于机器翻译的Transformer模型训练方式和详情，可查看[Machine Translation using Transformer](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer)。
+## 二、安装
-```python
-def __init__(max_length: int = 256,
- max_out_len: int = 256,
- beam_size: int = 5):
-```
-初始化module，可配置模型的输入输出文本的最大长度和解码时beam search的宽度。
+- ### 1、环境依赖
-**参数**
-- `max_length`(int): 输入文本的最大长度，默认值为256。
-- `max_out_len`(int): 输出文本的最大解码长度，默认值为256。
-- `beam_size`(int): beam search方式解码的beam宽度，默认为5。
+ - paddlepaddle >= 2.1.0
+
+ - paddlehub >= 2.1.0 | [如何安装PaddleHub](../../../../docs/docs_ch/get_start/installation.rst)
+- ### 2、安装
-```python
-def predict(data: List[str],
- batch_size: int = 1,
- n_best: int = 1,
- use_gpu: bool = False):
-```
-预测API，输入源语言的文本句子，解码后输出翻译后的目标语言的文本候选句子。
+ - ```shell
+ $ hub install transformer_zh-en
+ ```
-**参数**
-- `data`(List[str]): 源语言的文本列表，数据类型为List[str]
-- `batch_size`(int): 进行预测的batch_size，默认为1
-- `n_best`(int): 每个输入文本经过模型解码后，输出的得分最高的候选句子的数量，必须小于beam_size，默认为1
-- `use_gpu`(bool): 是否使用gpu执行预测，默认为False
+ - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
+ | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
-**返回**
-* `results`(List[str]): 翻译后的目标语言的候选句子，长度为`len(data)*n_best`
+## 三、模型API预测
+- ### 1、预测代码示例
-**代码示例**
+ - ```python
+ import paddlehub as hub
-```python
-import paddlehub as hub
+ model = hub.Module(name='transformer_zh-en', beam_size=5)
+ src_texts = [
+ '今天天气怎么样？',
+ '我们一起去吃饭吧。',
+ ]
-model = hub.Module(name='transformer_zh-en', beam_size=5)
-src_texts = [
- '今天天气怎么样？',
- '我们一起去吃饭吧。',
-]
+ n_best = 3 # 每个输入样本的输出候选句子数量
+ trg_texts = model.predict(src_texts, n_best=n_best)
+ for idx, st in enumerate(src_texts):
+ print('-'*30)
+ print(f'src: {st}')
+ for i in range(n_best):
+ print(f'trg[{i+1}]: {trg_texts[idx*n_best+i]}')
+ ```
-n_best = 3 # 每个输入样本的输出候选句子数量
-trg_texts = model.predict(src_texts, n_best=n_best)
-for idx, st in enumerate(src_texts):
- print('-'*30)
- print(f'src: {st}')
- for i in range(n_best):
- print(f'trg[{i+1}]: {trg_texts[idx*n_best+i]}')
-```
+- ### 2、API
-## 服务部署
+ - ```python
+ def __init__(max_length: int = 256,
+ max_out_len: int = 256,
+ beam_size: int = 5):
+ ```
-通过启动PaddleHub Serving，可以加载模型部署在线翻译服务。
+ - 初始化module，可配置模型的输入输出文本的最大长度和解码时beam search的宽度。
-### Step1: 启动PaddleHub Serving
+ - **参数**
-运行启动命令：
+ - `max_length`(int): 输入文本的最大长度，默认值为256。
+ - `max_out_len`(int): 输出文本的最大解码长度，默认值为256。
+ - `beam_size`(int): beam search方式解码的beam宽度，默认为5。
-```shell
-$ hub serving start -m transformer_zh-en
-```
+ - ```python
+ def predict(data: List[str],
+ batch_size: int = 1,
+ n_best: int = 1,
+ use_gpu: bool = False):
+ ```
-通过以上命令可完成一个中英机器翻译API的部署，默认端口号为8866。
+ - 预测API，输入源语言的文本句子，解码后输出翻译后的目标语言的文本候选句子。
-**NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。
+ - **参数**
+ - `data`(List[str]): 源语言的文本列表，数据类型为List[str]
+ - `batch_size`(int): 进行预测的batch_size，默认为1
+ - `n_best`(int): 每个输入文本经过模型解码后，输出的得分最高的候选句子的数量，必须小于beam_size，默认为1
+ - `use_gpu`(bool): 是否使用gpu执行预测，默认为False
-### Step2: 发送预测请求
+ - **返回**
+ - `results`(List[str]): 翻译后的目标语言的候选句子，长度为`len(data)*n_best`
-配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果
+## 四、服务部署
-```python
-import requests
-import json
+ - 通过启动PaddleHub Serving，可以加载模型部署在线翻译服务。
-texts = [
- '今天天气怎么样啊？',
- '我们一起去吃饭吧。',
-]
-data = {"data": texts}
-# 发送post请求，content-type类型应指定json方式，url中的ip地址需改为对应机器的ip
-url = "http://127.0.0.1:8866/predict/transformer_zh-en"
-# 指定post请求的headers为application/json方式
-headers = {"Content-Type": "application/json"}
+ - ### 第一步: 启动PaddleHub Serving
-r = requests.post(url=url, headers=headers, data=json.dumps(data))
-print(r.json())
-```
+ - 运行启动命令：
-## 查看代码
+ - ```shell
+ $ hub serving start -m transformer_zh-en
+ ```
-https://github.com/PaddlePaddle/PaddleNLP/tree/develop/examples/machine_translation/transformer
+ - 通过以上命令可完成一个中英机器翻译API的部署，默认端口号为8866。
-## 依赖
+ - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。
-paddlepaddle >= 2.0.0
+ - ### 第二步: 发送预测请求
-paddlehub >= 2.1.0
+ - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果
-## 更新历史
+ - ```python
+ import requests
+ import json
+
+ texts = [
+ '今天天气怎么样啊？',
+ '我们一起去吃饭吧。',
+ ]
+ data = {"data": texts}
+ # 发送post请求，content-type类型应指定json方式，url中的ip地址需改为对应机器的ip
+ url = "http://127.0.0.1:8866/predict/transformer_zh-en"
+ # 指定post请求的headers为application/json方式
+ headers = {"Content-Type": "application/json"}
+
+ r = requests.post(url=url, headers=headers, data=json.dumps(data))
+ print(r.json())
+ ```
+
+ - 关于PaddleHub Serving更多信息参考：[服务部署](../../../../docs/docs_ch/tutorial/serving.md)
+
+## 五、更新历史
* 1.0.0
@@ -121,3 +141,6 @@ paddlehub >= 2.1.0
* 1.0.1
修复模型初始化的兼容性问题
+ - ```shell
+ $ hub install transformer_zh-en==1.0.1
+ ```
diff --git a/modules/text/machine_translation/transformer/zh-en/module.py b/modules/text/machine_translation/transformer/zh-en/module.py
index 7d6d6a1a017b4cd589fa487cf26e932333f71467..318d572847bae642a724b9e781aef3606cbf3915 100644
--- a/modules/text/machine_translation/transformer/zh-en/module.py
+++ b/modules/text/machine_translation/transformer/zh-en/module.py
@@ -13,7 +13,6 @@
# limitations under the License.
import os
-from packaging.version import Version
from typing import List
import paddle
@@ -56,15 +55,12 @@ class MTTransformer(nn.Layer):
# Vocabularies in source and target should be same for weight sharing.
"weight_sharing": False,
# Dropout rate
- 'dropout': 0
+ 'dropout': 0,
+ # Number of sub-layers to be stacked in the encoder and decoder.
+ "num_encoder_layers": 6,
+ "num_decoder_layers": 6
}
- # Number of sub-layers to be stacked in the encoder and decoder.
- if Version(paddlenlp.__version__) <= Version('2.0.5'):
- model_config.update({"n_layer": 6})
- else:
- model_config.update({"num_encoder_layers": 6, "num_decoder_layers": 6})
-
# Vocab config
vocab_config = {
# Used to pad vocab size to be multiple of pad_factor.
diff --git a/modules/text/machine_translation/transformer/zh-en/requirements.txt b/modules/text/machine_translation/transformer/zh-en/requirements.txt
index 6029eb21ad870229e0cb41e4462cf741227e52e2..8eca50b1f59a6c94052d55687789708fefc73e43 100644
--- a/modules/text/machine_translation/transformer/zh-en/requirements.txt
+++ b/modules/text/machine_translation/transformer/zh-en/requirements.txt
@@ -1,3 +1,4 @@
+paddlenlp>=2.1.0
jieba
sacremoses
subword-nmt