Os enxeñeiros de Facebook publicaron un transcompilador , que utiliza técnicas de aprendizaxe automática para transformar o código fonte dunha linguaxe de programación de alto nivel a outra. Actualmente, ofrécese soporte para traducir código entre Java, C++ e Python. Por exemplo, TransCoder permítelle converter código fonte Java en código Python e código Python en código fonte Java. Os desenvolvementos do proxecto estanse levando á práctica sobre a creación dunha rede neuronal para a transcompilación automática eficiente do código e licenciado baixo unha licenza Creative Commons Recoñecemento-NonComercial 4.0 só para uso non comercial.
A implementación do sistema de aprendizaxe automática baséase en Pytorch. Ofrécense dous modelos listos para descargar: para traducir C++ a Java, Java a C++ e Java a Python, e para a emisión
C++ a Python, Python a C++ e Python a Java. Para adestrar os modelos, utilizamos os códigos fonte dos proxectos publicados en GitHub. Se o desexa, pódense crear modelos de tradución para outras linguaxes de programación. Para comprobar a calidade da emisión, preparouse unha colección de probas unitarias, así como unha suite de probas que inclúe 852 funcións paralelas.
Afirma que en termos de precisión de conversión, TransCoder é significativamente superior aos tradutores comerciais que usan métodos baseados en regras de conversión e, no proceso de traballo, permítelle prescindir da avaliación experta de expertos na lingua de orixe e destino. A maioría dos erros que xorden durante o funcionamento do modelo pódense eliminar engadindo restricións sinxelas ao decodificador para garantir que as funcións xeradas sexan sintácticamente correctas.
Os investigadores propuxeron unha nova arquitectura de rede neuronal "Transformador" para modelar secuencias, na que a recorrencia é substituída por ""(modelo seq2seq con atención), que permite desfacerse dalgunhas dependencias no gráfico computacional e paralelizar o que antes non era susceptible de paralelización. Todos os idiomas admitidos usan un único modelo común, que se adestra utilizando tres principios: inicialización, modelado de idiomas e tradución posterior.
Fonte: opennet.ru