{"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\/fr\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","title":{"rendered":"La version du syst\u00e8me de traduction automatique OpenNMT-tf 2.30","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
La sortie de la version 2.30.0 du syst\u00e8me de traduction automatique OpenNMT-tf (Open Neural Machine Translation), utilisant des m\u00e9thodes d'apprentissage automatique, a \u00e9t\u00e9 publi\u00e9e. Le code des modules d\u00e9velopp\u00e9s par OpenNMT-tf est \u00e9crit en Python, utilise la biblioth\u00e8que TensorFlow et est distribu\u00e9 sous licence MIT. <\/p>\n
En parall\u00e8le, une variante d'OpenNMT bas\u00e9e sur la biblioth\u00e8que PyTorch est en d\u00e9veloppement, qui se distingue par ses capacit\u00e9s prises en charge. De plus, OpenNMT bas\u00e9 sur PyTorch est pr\u00e9sent\u00e9 comme plus simple \u00e0 utiliser et multimodal, tandis que la variante bas\u00e9e sur TensorFlow est reconnue pour \u00eatre modulaire, stable et capable d'utiliser les capacit\u00e9s GPU pour acc\u00e9l\u00e9rer le processus d'apprentissage des r\u00e9seaux de neurones. Pour faciliter la distribution du produit, le projet d\u00e9veloppe \u00e9galement une variante autonome du traducteur en C++ \u2014 CTranslate2, qui utilise des mod\u00e8les pr\u00e9-entra\u00een\u00e9s sans d\u00e9pendances suppl\u00e9mentaires. <\/p>\n
Les mod\u00e8les sont pr\u00e9par\u00e9s pour les langues anglaise, allemande et catalane ; pour les autres langues, il est possible de former un mod\u00e8le soi-m\u00eame \u00e0 partir d'un ensemble de donn\u00e9es du projet OPUS (deux fichiers sont transmis au syst\u00e8me pour l'apprentissage \u2014 un avec des phrases dans la langue source et l'autre avec des traductions de qualit\u00e9 de ces phrases dans la langue cible). <\/p>\n
Le projet se d\u00e9veloppe avec la participation de la soci\u00e9t\u00e9 SYSTRAN, sp\u00e9cialis\u00e9e dans la cr\u00e9ation d'outils de traduction automatique, et d'un groupe de chercheurs d'Harvard qui d\u00e9veloppent des mod\u00e8les de langage humain pour des syst\u00e8mes d'apprentissage automatique. L'interface utilisateur est simplifi\u00e9e au maximum et n\u00e9cessite simplement l'indication d'un fichier d'entr\u00e9e avec le texte et d'un fichier pour sauvegarder le r\u00e9sultat de la traduction. Le syst\u00e8me d'extensions permet d'ajouter des fonctionnalit\u00e9s suppl\u00e9mentaires \u00e0 OpenNMT, telles que l'auto-r\u00e9f\u00e9rencement, la classification de textes et la g\u00e9n\u00e9ration de sous-titres. <\/p>\n
Dans la nouvelle version : <\/p>\n
\n
Le support de la biblioth\u00e8que TensorFlow 2.11 a \u00e9t\u00e9 ajout\u00e9, mais les nouveaux optimisateurs Keras ne sont pas encore support\u00e9s (le mode tf.keras.optimizers.legacy est requis).\n
Le support de la nouvelle branche du moteur CTranslate2 3.x a \u00e9t\u00e9 ajout\u00e9, destin\u00e9e \u00e0 l'ex\u00e9cution efficace de mod\u00e8les avec une architecture \u00ab transformeur \u00bb.\n
Un param\u00e8tre d'entra\u00eenement des mod\u00e8les pad_to_bucket_boundary a \u00e9t\u00e9 ajout\u00e9 pour inclure un remplissage additionnel, alignant la taille du bloc sur des valeurs multiples de length_bucket_width.\n
Int\u00e9gration de la prise en charge des m\u00e9triques chrf et chrf++ du projet SacreBLEU, comparant la traduction automatique \u00e0 la traduction humaine de r\u00e9f\u00e9rence.\n
L'attribut mod\u00e8le ctranslate2_spec a \u00e9t\u00e9 supprim\u00e9, car il n'est plus utilis\u00e9 dans CTranslate2. <\/ul>\n