{"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\/de\/blog\/novosti-interneta\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","title":{"rendered":"Ver\u00f6ffentlichung der maschinellen \u00dcbersetzungssystem OpenNMT-tf 2.30","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung des \u00dcbersetzungssystems OpenNMT-tf 2.30.0 (Open Neural Machine Translation) wurde bekannt gegeben. Der Code der im Rahmen des OpenNMT-tf-Projekts entwickelten Module ist in Python geschrieben, nutzt die TensorFlow-Bibliothek und wird unter der MIT-Lizenz ver\u00f6ffentlicht. <\/p>\n
Parallel entwickelt sich eine Variante von OpenNMT, die auf der PyTorch-Bibliothek basiert und sich in den unterst\u00fctzten Funktionen unterscheidet. Dar\u00fcber hinaus wird OpenNMT auf PyTorch als benutzerfreundlicher und multimodal beschrieben, w\u00e4hrend die TensorFlow-basierte Variante als modular, stabil und GPU-f\u00e4hig f\u00fcr eine schnellere Ausbildung des neuronalen Netzwerks gilt. Um die Verbreitung des Produkts zu erleichtern, wird auch eine eigenst\u00e4ndige \u00dcbersetzungssoftware in C++ entwickelt \u2014 CTranslate2, die vortrainierte Modelle ohne zus\u00e4tzliche Abh\u00e4ngigkeiten nutzt. <\/p>\n
Die Modelle sind f\u00fcr Englisch, Deutsch und Katalanisch vorbereitet. F\u00fcr andere Sprachen kann ein Modell auf Basis von Datens\u00e4tzen aus dem OPUS-Projekt selbst erstellt werden (dabei werden der System zwei Dateien \u00fcbergeben \u2014 eine mit den S\u00e4tzen in der Ausgangsprache und die zweite mit der qualitativ hochwertigen \u00dcbersetzung dieser S\u00e4tze in die Zielsprache). <\/p>\n
Das Projekt wird in Zusammenarbeit mit der Firma SYSTRAN, die auf die Entwicklung von Maschinen\u00fcbersetzungstechnologien spezialisiert ist, und einer Gruppe von Forschern der Harvard-Universit\u00e4t, die Modelle menschlicher Sprache f\u00fcr maschinelle Lernsysteme entwickelt, vorangetrieben. Die Benutzeroberfl\u00e4che ist maximal vereinfacht und erfordert lediglich die Angabe einer Eingabedatei mit Text und einer Datei zum Speichern des \u00dcbersetzungsergebnisses. Das Erweiterungssystem erm\u00f6glicht es, zus\u00e4tzliche Funktionen auf Basis von OpenNMT zu implementieren, wie z.B. die automatische Verweisung, Textklassifikation und Generierung von Untertiteln. <\/p>\n
In der neuen Version: <\/p>\n
\n
Die Unterst\u00fctzung f\u00fcr die TensorFlow-Bibliothek 2.11 wurde hinzugef\u00fcgt, jedoch werden die neuen Keras-Optimierer derzeit nicht unterst\u00fctzt (es ist der Einsatz des Modus tf.keras.optimizers.legacy erforderlich).\n
Die Unterst\u00fctzung f\u00fcr die neue Version 3.x des CTranslate2-Engines wurde hinzugef\u00fcgt, die f\u00fcr die effiziente Ausf\u00fchrung von Modellen mit der Architektur \u201eTransformer\u201c vorgesehen ist.\n
Der Training-Parameter pad_to_bucket_boundary wurde hinzugef\u00fcgt, um zus\u00e4tzliches Padding zu aktivieren, das die Blockgr\u00f6\u00dfe auf Werte ausrichtet, die ein Vielfaches von length_bucket_width sind.\n
Die Unterst\u00fctzung f\u00fcr die Metriken chrf und chrf++ des Projekts SacreBLEU wurde integriert, die maschinelle \u00dcbersetzungen mit Referenz\u00fcbersetzungen von Menschen vergleichen.\n
Das Attribut ctranslate2_spec, das in CTranslate2 nicht mehr verwendet wird, wurde entfernt. <\/ul>\n