{"id":104737,"date":"2022-07-30T09:37:00","date_gmt":"2022-07-30T07:37:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0"},"modified":"2022-07-30T09:37:00","modified_gmt":"2022-07-30T07:37:00","slug":"vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-2-28-0","title":{"rendered":"Ver\u00f6ffentlichung des maschinellen \u00dcbersetzungssystems OpenNMT 2.28.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ausgabe des \u00dcbersetzungssystems OpenNMT 0.28.0 (Open Neural Machine Translation) wurde ver\u00f6ffentlicht, das auf Methoden des maschinellen Lernens basiert. Zur Erstellung des neuronalen Netzwerks nutzt das Projekt die M\u00f6glichkeiten der Deep Learning-Bibliothek TensorFlow. Der Code der vom OpenNMT-Projekt entwickelten Module ist in Python geschrieben und wird unter der MIT-Lizenz verbreitet. Fertige Modelle sind f\u00fcr Englisch, Deutsch und Katalanisch verf\u00fcgbar. F\u00fcr andere Sprachen kann man selbstst\u00e4ndig ein Modell auf Basis eines Datensatzes vom OPUS-Projekt erstellen (f\u00fcr das Training werden zwei Dateien \u00fcbergeben \u2014 eine mit S\u00e4tzen in der Ausgangssprache und eine andere mit der hochwertigen \u00dcbersetzung dieser S\u00e4tze in die Zielsprache). <\/p>\n
Das Projekt wird in Zusammenarbeit mit der Firma SYSTRAN, die auf die Erstellung von maschinellen \u00dcbersetzungssystemen spezialisiert ist, sowie einer Gruppe von Forschern von Harvard, die menschliche Sprachmodelle f\u00fcr maschinelles Lernen entwickeln, weitergetragen. Die Benutzeroberfl\u00e4che ist so einfach wie m\u00f6glich gestaltet und erfordert lediglich die Angabe der Eingabedatei mit dem Text und der Datei zur Speicherung des \u00dcbersetzungsergebnisses. Das Erweiterungssystem erm\u00f6glicht es, zus\u00e4tzliche Funktionalit\u00e4ten auf der Grundlage von OpenNMT zu implementieren, wie beispielsweise die automatische Referenzierung, Textklassifikation und die Generierung von Untertiteln. <\/p>\n
Die Anwendung von TensorFlow erm\u00f6glicht die Nutzung von GPU-Ressourcen (zur Beschleunigung des Trainingsprozesses des neuronalen Netzwerks). Zur Vereinfachung der Verbreitung des Produkts wird zudem eine eigenst\u00e4ndige Version des \u00dcbersetzers in C++ entwickelt \u2014 CTranslate2, die vorab trainierte Modelle nutzt, ohne an zus\u00e4tzliche Abh\u00e4ngigkeiten gebunden zu sein. <\/p>\n