Facebook-inĝenieroj publikigis transkompilon
La efektivigo de la maŝinlernado estas bazita sur Pytorch. Du pretaj modeloj estas ofertitaj por elŝuti:
C++ al Python, Python al C++ kaj Python al Java. Por trejni la modelojn, la fontkodo de la projektoj gastigitaj sur GitHub estis uzata. Se vi deziras, tradukmodeloj povas esti kreitaj por aliaj programlingvoj. Por kontroli la kvaliton de la traduko, oni preparis kolekton de unuotestoj, kaj ankaŭ testkompleton, kiu inkluzivas 852 paralelajn funkciojn.
TransCoder estas asertita esti signife supera en konverta precizeco al komercaj tradukistoj uzantaj konvertajn regul-bazitajn metodojn, kaj en la procezo eliminas la bezonon de kolega revizio de ekspertoj en la fonto kaj cellingvoj. La plej multaj el la eraroj kiuj okazas dum la operacio de la modelo povas esti eliminitaj aldonante simplajn restriktojn al la malĉifrilo por certigi ke la generitaj funkcioj estos sintakse ĝustaj.
Esploristoj proponis novan neŭralan retan arkitekturon "Transformilo" por modeligado de sekvencoj, en kiuj ripetiĝo estas anstataŭigita per "
fonto: opennet.ru