{"id":106018,"date":"2022-12-13T09:36:49","date_gmt":"2022-12-13T07:36:49","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30"},"modified":"2022-12-13T09:36:49","modified_gmt":"2022-12-13T07:36:49","slug":"vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","title":{"rendered":"Udgivelsen af maskinovers\u00e6ttelsessystemet OpenNMT-tf 2.30","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Udgaven er udgivet af maskinovers\u00e6ttelsessystemet OpenNMT-tf 2.30.0 (Open Neural Machine Translation), som bruger maskinl\u00e6ringsteknikker. Koden for de moduler, der udvikles af OpenNMT-tf-projektet, er skrevet i Python, bruger TensorFlow-biblioteket og distribueres under MIT-licensen. <\/p>\n
Sidel\u00f8bende udvikles en version af OpenNMT baseret p\u00e5 PyTorch-biblioteket, som adskiller sig i forhold til de underst\u00f8ttede funktioner. Desuden pr\u00e6senteres OpenNMT baseret p\u00e5 PyTorch som mere brugervenlig og multimodal, mens versionen baseret p\u00e5 TensorFlow fremh\u00e6ves som modul\u00e6r, stabil og i stand til at udnytte GPU'ens ressourcer til at fremskynde tr\u00e6ningen af neurale netv\u00e6rk. For at lette distributionen af produktet udvikles der ogs\u00e5 en selvforsynende version af overs\u00e6tteren i C++ \u2014 CTranslate2, som bruger foruddannede modeller uden binding til yderligere afh\u00e6ngigheder. <\/p>\n
Modellerne er udviklet til engelsk, tysk og katalansk, mens der kan dannes modeller for andre sprog baseret p\u00e5 datas\u00e6ttet fra projektet OPUS (for at tr\u00e6ne systemet overf\u00f8res to filer \u2014 en med s\u00e6tninger p\u00e5 kildesproget og en anden med kvalitetsovers\u00e6ttelser af disse s\u00e6tninger til m\u00e5lsproget). <\/p>\n
Projektet udvikles i samarbejde med virksomheden SYSTRAN, der specialiserer sig i at skabe maskinovers\u00e6ttelsesv\u00e6rkt\u00f8jer, og en gruppe forskere fra Harvard, der udvikler modeller for menneskesprog til maskinl\u00e6ringssystemer. Brugergr\u00e6nsefladen er maksimeret for simplificering og kr\u00e6ver kun angivelse af inputfilen med teksten og filen til at gemme overs\u00e6ttelsesresultatet. Udvidelsessystemet giver mulighed for at implementere yderligere funktionalitet baseret p\u00e5 OpenNMT, som eksempelvis auto-referencer, tekstklassifikation og generering af undertekster. <\/p>\n
I den nye version: <\/p>\n
\n
Der er tilf\u00f8jet support til TensorFlow 2.11-biblioteket, men nye Keras-optimeringsalgoritmer underst\u00f8ttes endnu ikke (det kr\u00e6ver brug af tf.keras.optimizers.legacy-tilstand).\n
Der er tilf\u00f8jet st\u00f8tte for den nye version af CTranslate2-motoren 3.x, designet til effektiv udf\u00f8relse af modeller med 'transformer'-arkitektur.\n
Der er tilf\u00f8jet tr\u00e6ningsparameteren pad_to_bucket_boundary for at inkludere ekstra fyld, der justerer blokst\u00f8rrelsen til v\u00e6rdier, der er multipla af length_bucket_width.\n
Integration af CHRF og CHRF++ metrics fra SacreBLEU-projektet, der sammenligner maskinovers\u00e6ttelse med reference menneskelig overs\u00e6ttelse.\n
Attributten ctranslate2_spec er fjernet, da den ikke l\u00e6ngere bruges i CTranslate2. <\/ul>\n