{"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\/sv\/blog\/news\/vypusk-sistemy-mashinnogo-perevoda-opennmt-tf-2-30","title":{"rendered":"Utg\u00e5van av \u00f6vers\u00e4ttningssystemet OpenNMT-tf 2.30","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Version 2.30.0 av \u00f6vers\u00e4ttningssystemet OpenNMT-tf (Open Neural Machine Translation) har publicerats, vilket anv\u00e4nder metoder f\u00f6r maskininl\u00e4rning. Koden f\u00f6r modulerna som utvecklas av OpenNMT-tf-projektet \u00e4r skriven i Python, anv\u00e4nder TensorFlow-biblioteket och distribueras under MIT-licensen. <\/p>\n
Samtidigt utvecklas en version av OpenNMT baserad p\u00e5 PyTorch-biblioteket, som skiljer sig \u00e5t i de st\u00f6dja funktionerna. Dessutom presenteras OpenNMT baserat p\u00e5 PyTorch som mer anv\u00e4ndarv\u00e4nlig och multimodal, medan versionen baserad p\u00e5 TensorFlow m\u00e4rks som modul\u00e4r, stabil och m\u00f6jligg\u00f6r anv\u00e4ndning av GPU-resurser f\u00f6r att p\u00e5skynda tr\u00e4ningen av neurala n\u00e4tverk. F\u00f6r att f\u00f6renkla distributionen av produkten utvecklas ocks\u00e5 en frist\u00e5ende variant av \u00f6vers\u00e4ttaren p\u00e5 C++ — CTranslate2, som anv\u00e4nder f\u00f6rtr\u00e4nade modeller utan bindning till ytterligare beroenden. <\/p>\n
Modeller har f\u00f6rberetts f\u00f6r engelska, tyska och katalanska, f\u00f6r \u00f6vriga spr\u00e5k kan man sj\u00e4lv skapa en modell baserad p\u00e5 datasets fr\u00e5n projektet OPUS (tv\u00e5 filer \u00f6verf\u00f6rs till systemet f\u00f6r tr\u00e4ning — en med meningar p\u00e5 k\u00e4llspr\u00e5ket och den andra med kvalitativa \u00f6vers\u00e4ttningar av dessa meningar till m\u00e5lspr\u00e5ket). <\/p>\n
Projektet utvecklas med deltagande av f\u00f6retaget SYSTRAN, som specialiserar sig p\u00e5 att skapa verktyg f\u00f6r maskin\u00f6vers\u00e4ttning, och en forskargrupp fr\u00e5n Harvard som utvecklar modeller f\u00f6r m\u00e4nskligt spr\u00e5k f\u00f6r maskininl\u00e4rningssystem. Anv\u00e4ndargr\u00e4nssnittet \u00e4r s\u00e5 enkelt som m\u00f6jligt och kr\u00e4ver bara angivande av en indatafil med text och en fil f\u00f6r att spara resultatet av \u00f6vers\u00e4ttningen. Utvidgningssystemet m\u00f6jligg\u00f6r att implementera ytterligare funktionalitet baserat p\u00e5 OpenNMT, som automatisk referenshantering, textklassificering och generering av undertexter. <\/p>\n
I den nya versionen: <\/p>\n
\n
St\u00f6d f\u00f6r TensorFlow 2.11 har lagts till, men nya Keras-optimerare st\u00f6ds f\u00f6r tillf\u00e4llet inte (l\u00e4get tf.keras.optimizers.legacy m\u00e5ste anv\u00e4ndas).\n
St\u00f6det f\u00f6r den nya versionen av motorn CTranslate2 3.x har lagts till, avsedd f\u00f6r effektiv k\u00f6rning av modeller med \"transformer\"-arkitektur.\n
En parameter f\u00f6r tr\u00e4ning av modeller, pad_to_bucket_boundary, har lagts till f\u00f6r att inkludera fyllnad som justerar blockstorleken till v\u00e4rden som \u00e4r multipler av length_bucket_width.\n
Integrerat st\u00f6d f\u00f6r m\u00e4tv\u00e4rdena chrf och chrf++ fr\u00e5n projektet SacreBLEU, som j\u00e4mf\u00f6r maskin\u00f6vers\u00e4ttning med standard m\u00e4nsklig \u00f6vers\u00e4ttning.\n
Attributet ctranslate2_spec har tagits bort, eftersom det inte l\u00e4ngre anv\u00e4nds i CTranslate2. <\/ul>\n