Os enxeñeiros de Facebook publicaron un transcompilador
A implementación do sistema de aprendizaxe automática baséase en Pytorch. Ofrécense dous modelos listos para descargar:
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 "
Fonte: opennet.ru