Yo pibliye lage sistèm tradiksyon machin OpenNMT 0.28.0 (Open Neural Machine Translation), ki itilize metòd aprantisaj machin. Pou konstwi yon rezo neral, pwojè a itilize kapasite bibliyotèk aprantisaj machin pwofon TensorFlow. Kòd modil yo devlope pa pwojè OpenNMT ekri an Python epi distribye anba lisans MIT. Modèl pare yo prepare pou lang angle, alman ak katalan pou lòt lang, ou ka kreye yon modèl poukont yo ki baze sou yon seri done ki soti nan pwojè OPUS (pou fòmasyon, de dosye yo transfere nan sistèm nan - youn ak fraz nan la; lang sous, ak dezyèm lan ak yon tradiksyon kalite siperyè nan fraz sa yo nan lang sib la).
Pwojè a ap devlope ak patisipasyon SYSTRAN, yon konpayi ki espesyalize nan kreye zouti tradiksyon machin, ak yon gwoup chèchè Harvard devlope modèl lang moun pou sistèm aprantisaj machin. Koòdone itilizatè a senplifye ke posib epi sèlman mande pou espesifye yon dosye antre ak tèks ak yon dosye pou konsève pou rezilta tradiksyon an. Sistèm ekstansyon an fè li posib pou aplike plis fonksyonalite ki baze sou OpenNMT, pou egzanp, oto-rezime, klasifikasyon tèks ak jenerasyon soutit.
Itilizasyon TensorFlow pèmèt ou sèvi ak kapasite GPU a (pou pi vit pwosesis fòmasyon yon rezo neral. Pou senplifye distribisyon pwodwi a, pwojè a ap devlope tou yon vèsyon endepandan nan tradiktè a nan C++ - CTranslate2. , ki itilize modèl pre-antre san referans a depandans adisyonèl.
Nouvo vèsyon an ajoute paramèt initial_learning_rate a epi aplike plizyè nouvo agiman (mha_bias ak output_layer_bias) pou konfigirasyon dèlko modèl Transformer la. Rès la make pa ranje ensèk.
Sous: opennet.ru