Facebook এক প্রোগ্রামিং ভাষা থেকে অন্য প্রোগ্রামিং ভাষাতে কোড অনুবাদ করার জন্য TransCoder তৈরি করছে

ফেসবুকের প্রকৌশলীরা একটি ট্রান্সকম্পাইলার প্রকাশ করেছেন ট্রান্সকোডার, যা একটি উচ্চ-স্তরের প্রোগ্রামিং ভাষা থেকে অন্যটিতে সোর্স কোড রূপান্তর করতে মেশিন লার্নিং কৌশল ব্যবহার করে। বর্তমানে, জাভা, সি++ এবং পাইথনের মধ্যে কোড অনুবাদ করার জন্য সমর্থন প্রদান করা হয়। উদাহরণস্বরূপ, ট্রান্সকোডার আপনাকে জাভা সোর্স কোডকে পাইথন কোডে এবং পাইথন কোডকে জাভা সোর্স কোডে রূপান্তর করতে দেয়। প্রকল্প উন্নয়ন বাস্তবায়িত করা হচ্ছে তাত্ত্বিক গবেষণা কোডের দক্ষ স্বয়ংক্রিয় ট্রান্সকম্পাইলেশনের জন্য একটি নিউরাল নেটওয়ার্ক তৈরি করা এবং ছড়িয়ে পড়া শুধুমাত্র অ-বাণিজ্যিক ব্যবহারের জন্য ক্রিয়েটিভ কমন্স অ্যাট্রিবিউশন-অবাণিজ্যিক 4.0 লাইসেন্সের অধীনে লাইসেন্সপ্রাপ্ত।

মেশিন লার্নিং সিস্টেম বাস্তবায়ন Pytorch উপর ভিত্তি করে. দুটি রেডিমেড মডেল ডাউনলোডের জন্য দেওয়া হয়: প্রথম C++ থেকে Java, Java থেকে C++ এবং Java থেকে Python অনুবাদ করার জন্য, এবং দ্বিতীয় সম্প্রচারের জন্য
C++ থেকে Python, Python থেকে C++ এবং Python থেকে Java। মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য, আমরা গিটহাবে পোস্ট করা প্রকল্পগুলির উত্স কোডগুলি ব্যবহার করেছি৷ যদি ইচ্ছা হয়, অন্য প্রোগ্রামিং ভাষার জন্য অনুবাদ মডেল তৈরি করা যেতে পারে। সম্প্রচারের গুণমান পরীক্ষা করার জন্য, ইউনিট পরীক্ষার একটি সংগ্রহ প্রস্তুত করা হয়েছে, সেইসাথে একটি পরীক্ষা স্যুট যা 852টি সমান্তরাল ফাংশন অন্তর্ভুক্ত করে।

এটি দাবি করা হয় যে রূপান্তর নির্ভুলতার ক্ষেত্রে, ট্রান্সকোডার বাণিজ্যিক অনুবাদকদের থেকে উল্লেখযোগ্যভাবে উচ্চতর যেগুলি রূপান্তর নিয়মের উপর ভিত্তি করে পদ্ধতিগুলি ব্যবহার করে এবং কাজের প্রক্রিয়ায় এটি আপনাকে উত্স এবং লক্ষ্য ভাষার বিশেষজ্ঞদের বিশেষজ্ঞের মূল্যায়ন ছাড়াই করতে দেয়৷ মডেলের ক্রিয়াকলাপের সময় উদ্ভূত বেশিরভাগ ত্রুটিগুলি ডিকোডারে সহজ সীমাবদ্ধতা যুক্ত করে নির্মূল করা যেতে পারে যাতে তৈরি করা ফাংশনগুলি সিনট্যাক্টিকভাবে সঠিক হয় তা নিশ্চিত করতে।

গবেষকরা মডেলিং সিকোয়েন্সের জন্য একটি নতুন নিউরাল নেটওয়ার্ক আর্কিটেকচার "ট্রান্সফরমার" প্রস্তাব করেছেন, যেখানে পুনরাবৃত্তির পরিবর্তে "মনোযোগ"( মনোযোগ সহ seq2seq মডেল), যা আপনাকে কম্পিউটেশনাল গ্রাফে কিছু নির্ভরতা থেকে পরিত্রাণ পেতে এবং যা আগে সমান্তরালকরণের জন্য উপযুক্ত ছিল না তাকে সমান্তরাল করতে দেয়৷ সমস্ত সমর্থিত ভাষাগুলি একটি একক সাধারণ মডেল ব্যবহার করে, যা তিনটি নীতি ব্যবহার করে প্রশিক্ষিত হয় - প্রাথমিককরণ, ভাষা মডেলিং এবং ব্যাক-অনুবাদ।

উত্স: opennet.ru