{"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\/it\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","title":{"rendered":"Rilascio del sistema di traduzione automatica OpenNMT-tf 2.30","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
\u00c8 stata pubblicata la versione 2.30.0 del sistema di traduzione automatica OpenNMT-tf (Open Neural Machine Translation), che utilizza metodi di apprendimento automatico. Il codice dei moduli sviluppati dal progetto OpenNMT-tf \u00e8 scritto in Python, utilizza la libreria TensorFlow ed \u00e8 distribuito con licenza MIT. <\/p>\n
Parallelamente si sviluppa una variante di OpenNMT basata sulla libreria PyTorch, che si differenzia per le funzionalit\u00e0 supportate. Inoltre, OpenNMT basato su PyTorch \u00e8 presentato come pi\u00f9 semplice da usare e multimodale, mentre la variante basata su TensorFlow \u00e8 nota per essere modulare, stabile e capace di sfruttare le capacit\u00e0 della GPU per accelerare il processo di apprendimento della rete neurale. Per semplificare la distribuzione del prodotto, il progetto sta sviluppando anche una variante autonoma del traduttore in linguaggio C++ \u2014 CTranslate2, che utilizza modelli pre-addestrati senza vincoli su dipendenze aggiuntive. <\/p>\n
I modelli sono stati preparati per le lingue inglese, tedesca e catalana; per le altre lingue \u00e8 possibile creare un modello autonomamente basato su un insieme di dati del progetto OPUS (per addestrare il sistema vengono forniti due file \u2014 uno con le frasi nella lingua di origine e l'altro con una traduzione di qualit\u00e0 di queste frasi nella lingua target). <\/p>\n
Il progetto \u00e8 sviluppato con la partecipazione dell'azienda SYSTRAN, specializzata nella creazione di strumenti per la traduzione automatica, e da un gruppo di ricercatori di Harvard, che sta sviluppando modelli di linguaggio umano per sistemi di apprendimento automatico. L'interfaccia utente \u00e8 stata semplificata al massimo e richiede solo di indicare un file di ingresso con il testo e un file per salvare il risultato della traduzione. Il sistema di estensioni consente di implementare funzionalit\u00e0 aggiuntive basate su OpenNMT, come l'autoreferenziazione, la classificazione dei testi e la generazione di sottotitoli. <\/p>\n
Nella nuova versione: <\/p>\n
\n
\u00c8 stato aggiunto il supporto per la libreria TensorFlow 2.11, ma i nuovi ottimizzatori di Keras non sono ancora supportati (\u00e8 necessario utilizzare la modalit\u00e0 tf.keras.optimizers.legacy).\n
\u00c8 stata aggiunta la supporto per la nuova versione del motore CTranslate2 3.x, progettata per l'esecuzione efficiente di modelli con architettura \u201ctransformer\u201d.\n
\u00c8 stato aggiunto il parametro di addestramento dei modelli pad_to_bucket_boundary per includere il riempimento aggiuntivo, che allinea la dimensione del blocco a valori multipli di length_bucket_width.\n
\u00c8 stata integrata la supporto delle metriche chrf e chrf++ dal progetto SacreBLEU, che confrontano la traduzione automatica con la traduzione umana di riferimento.\n
Rimosso l'attributo modello ctranslate2_spec, che non \u00e8 pi\u00f9 utilizzato in CTranslate2. <\/ul>\n