Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Fix extract best for ctransalte2 #1023

Open
wants to merge 1 commit into
base: main
Choose a base branch
from
Open

Fix extract best for ctransalte2 #1023

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
18 changes: 17 additions & 1 deletion pipeline/translate/extract_best.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -70,12 +70,28 @@ def marian_best_bleu(args, score_function):
texts = []
while True:
if prev_line:
fields = prev_line.rstrip().split(" ||| ")
# CTranslate2 can output empty text, for example:
# 10181 ||| .GDFMAKERPROJECTファイルを開くには?
# 10181 ||| .GDMAKERPROJECTファイルを開くには?
# 10181 ||| .GDFMAKERPROJECTファイルを開くには?
# 10181 ||| .GDFMakerPROJECTファイルを開くには?
# 10181 ||| .GDFAKERPROJECTファイルを開くには?
# 10181 ||| .GDMakerPROJECTファイルを開くには?
# 10181 ||| .GDFMAKERPROJECTファイルを開くには。
# 10181 |||
# Marian also outputs scores, for example:
# 0 ||| Реформа, направленная на выдвижение условий, идет слишком медленно. ||| F0= -9.21191 F1= -11.53 ||| -1.22059
fields = prev_line.rstrip("\n").split(" ||| ")
if len(fields) == 1:
# handle "10181 |||"
fields = fields[0].split()[0], ""

idx = int(fields[0])
if idx == i:
texts.append(fields[1])
else:
break

prev_line = next(args.nbest, None)
if not prev_line:
break
Expand Down
42 changes: 41 additions & 1 deletion tests/test_extract_best.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -23,7 +23,7 @@
Помощь по-прежнему оказывается фрагментарно, а действия доноров не координируются."""


def test_extract_best_chr():
def test_extract_best_chrf():
data_dir = DataDir("test_extract_best")
data_dir.create_file("file.1.nbest", nbest)
data_dir.create_file("file.1.ref", refs)
Expand All @@ -44,3 +44,43 @@ def test_extract_best_chr():
output == "Реформа, направленная на выдвижение условий, проходит слишком медленно.\n"
"Помощь по-прежнему носит фрагментарный характер, а доноры не координируют свои действия.\n"
)


nbest_empty = """0 ||| .GDFMAKERPROJECTファイルを開くには?
0 ||| .GDMAKERPROJECTファイルを開くには?
0 ||| .GDFMAKERPROJECTファイルを開くには?
0 ||| .GDFMakerPROJECTファイルを開くには?
0 ||| .GDFAKERPROJECTファイルを開くには?
0 ||| .GDMakerPROJECTファイルを開くには?
0 ||| .GDFMAKERPROJECTファイルを開くには。
0 |||
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcolrollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcorollary装置によって構成されます。
1 ||| """
refs_empty = """.GDFAKERPROJECTファイルを開くには?
このタイプの生産ラインはhydrapulperシステム、自動形成機械およびcolrollary装置によって構成されます。"""


def test_extract_best_empty():
data_dir = DataDir("test_extract_best")
data_dir.create_file("file.1.nbest", nbest_empty)
data_dir.create_file("file.1.ref", refs_empty)
data_dir.mkdir("artifacts")
env = {
"TEST_ARTIFACTS": data_dir.path,
"SRC": "en",
"TRG": "ru",
}

data_dir.run_task("extract-best-en-ru-1/10", env=env)

output_file = os.path.join(data_dir.path, "artifacts", "file.1.nbest.out")
assert os.path.isfile(output_file)
with open(output_file, "r") as f:
output = f.read()
assert output.strip() == refs_empty