د فیسبوک انجینرانو یو ټرانسکمپیلر خپور کړی ، کوم چې د یوې لوړې کچې برنامې ژبې څخه بلې ته د سرچینې کوډ بدلولو لپاره د ماشین زده کړې تخنیکونه کاروي. اوس مهال، د جاوا، C++ او Python ترمنځ د کوډ ژباړلو لپاره ملاتړ چمتو شوی. د مثال په توګه، TransCoder تاسو ته اجازه درکوي د جاوا سرچینې کوډ په پایتون کوډ کې، او د Python کوډ د جاوا سرچینې کوډ ته بدل کړئ. د پروژې پرمختګونه په عمل کې ترسره کیږي د کوډ او د موثر اتوماتیک لیږد لپاره د عصبي شبکې رامینځته کولو په اړه یوازې د غیر تجارتي کارونې لپاره د Creative Commons Attribution-Non Commercial 4.0 جواز لاندې جواز ورکړل شوی.
د ماشین زده کړې سیسټم پلي کول د Pytorch پر بنسټ والړ دی. دوه چمتو شوي ماډلونه د ډاونلوډ لپاره وړاندیز شوي: جاوا ته C++، جاوا ته C++ او جاوا ته Python ژباړلو لپاره، او د نشر لپاره
C++ ته Python، Python له C++ او Python ته Java. د موډلونو روزلو لپاره، موږ په GitHub کې پوسټ شوي پروژې سرچینې کوډونه وکاروو. که وغواړي، د نورو پروګرامینګ ژبو لپاره د ژباړې ماډلونه رامینځته کیدی شي. د خپرونې کیفیت چک کولو لپاره، د واحد ټیسټونو ټولګه چمتو شوې، په بیله بیا د ازموینې سوټ چې 852 موازي فعالیتونه پکې شامل دي.
دا ادعا کیږي چې د تبادلې دقت په شرایطو کې، TransCoder د سوداګریزو ژباړونکو څخه د پام وړ غوره دی چې د تبادلې قواعدو پراساس میتودونه کاروي، او د کار په بهیر کې دا تاسو ته اجازه درکوي د سرچینې او هدف په ژبه کې د متخصصینو ارزونې پرته ترسره کړئ. ډیری خطاګانې چې د ماډل عملیاتو په جریان کې رامینځته کیږي د کوډر ته د ساده محدودیتونو اضافه کولو سره له مینځه وړل کیدی شي ترڅو ډاډ ترلاسه شي چې رامینځته شوي افعال په ترکیبي ډول سم دي.
څیړونکو د ماډلینګ سلسلې لپاره د نوي عصبي شبکې جوړښت "ټرانسفارمر" وړاندیز کړی ، په کوم کې چې تکرار د "سره بدلیږي."(seq2seq په پام کې نیولو سره)، کوم چې تاسو ته اجازه درکوي په کمپیوټري ګراف کې د ځینو انحصارونو څخه ځان خلاص کړئ او هغه څه موازي کړئ چې مخکې د موازي کولو لپاره مناسب نه و. ټولې ملاتړ شوې ژبې یو واحد عام ماډل کاروي، کوم چې د دریو اصولو په کارولو سره روزل کیږي - پیل کول، د ژبې ماډل کول، او بیرته ژباړې.
سرچینه: opennet.ru