Els enginyers de Facebook han publicat un transcompilador
La implementació del sistema d'aprenentatge automàtic es basa en Pytorch. S'ofereixen dos models ja fets per descarregar:
C++ a Python, Python a C++ i Python a Java. Per entrenar els models, hem utilitzat els codis font dels projectes publicats a GitHub. Si es desitja, es poden crear models de traducció per a altres llenguatges de programació. Per comprovar la qualitat de l'emissió, s'ha preparat una col·lecció de tests unitaris, així com una suite de proves que inclou 852 funcions paral·leles.
S'afirma que en termes de precisió de conversió, TransCoder és significativament superior als traductors comercials que utilitzen mètodes basats en regles de conversió i, en el procés de treball, us permet prescindir de l'avaluació experta d'experts en l'idioma d'origen i d'arribada. La majoria dels errors que sorgeixen durant el funcionament del model es poden eliminar afegint restriccions senzilles al descodificador per garantir que les funcions generades siguin sintàcticament correctes.
Els investigadors han proposat una nova arquitectura de xarxa neuronal "Transformer" per modelar seqüències, en la qual la recurrència es substitueix per "
Font: opennet.ru