Facebook разработва TransCoder за превод на код от един програмен език на друг

Инженерите на Facebook публикуваха транскомпилатор TransCoder, който използва техники за машинно обучение за трансформиране на изходния код от един език за програмиране на високо ниво в друг. В момента се предоставя поддръжка за превод на код между Java, C++ и Python. Например TransCoder ви позволява да конвертирате изходния код на Java в код на Python и код на Python в изходен код на Java. Проектните разработки се прилагат на практика теоретични изследвания върху създаването на невронна мрежа за ефективна автоматична транскомпилация на код и разпространение лицензиран под лиценз Creative Commons Attribution-NonCommercial 4.0 само за некомерсиална употреба.

Внедряването на системата за машинно обучение е базирано на Pytorch. Предлагат се два готови модела за изтегляне: първи за превод на C++ в Java, Java в C++ и Java в Python и втори за излъчване
C++ към Python, Python към C++ и Python към Java. За да обучим моделите, използвахме изходните кодове на проекти, публикувани в GitHub. При желание могат да бъдат създадени модели за превод за други езици за програмиране. За проверка на качеството на излъчването е изготвена колекция от модулни тестове, както и тестов пакет, който включва 852 паралелни функции.

Твърди се, че по отношение на точността на преобразуване TransCoder значително превъзхожда търговските преводачи, които използват методи, базирани на правила за преобразуване, и в процеса на работа ви позволява да правите без експертната оценка на експерти в изходния и целевия език. Повечето от грешките, които възникват по време на работата на модела, могат да бъдат елиминирани чрез добавяне на прости ограничения към декодера, за да се гарантира, че генерираните функции са синтактично правилни.

Изследователите предложиха нова архитектура на невронна мрежа „Трансформатор“ за моделиране на последователности, в която повторението се заменя с „внимание"(модел seq2seq с внимание), което ви позволява да се отървете от някои зависимости в изчислителната графика и да паралелизирате това, което преди това не е било податливо на паралелизиране. Всички поддържани езици използват един общ модел, който се обучава с помощта на три принципа – инициализация, езиково моделиране и обратен превод.

Източник: opennet.ru