Wahandisi wa Facebook wamechapisha transcompiler
Utekelezaji wa mfumo wa kujifunza mashine unategemea Pytorch. Mifano mbili zilizotengenezwa tayari hutolewa kwa kupakuliwa:
C++ hadi Python, Python hadi C++ na Python kwa Java. Ili kutoa mafunzo kwa mifano, tulitumia misimbo ya chanzo ya miradi iliyotumwa kwenye GitHub. Ikiwa inataka, mifano ya tafsiri inaweza kuundwa kwa lugha nyingine za programu. Ili kuangalia ubora wa utangazaji, mkusanyiko wa majaribio ya vitengo umeandaliwa, pamoja na kitengo cha majaribio ambacho kinajumuisha vipengele 852 sambamba.
Inadaiwa kuwa kwa upande wa usahihi wa ubadilishaji, TransCoder ni bora zaidi kuliko watafsiri wa kibiashara wanaotumia mbinu kulingana na sheria za ubadilishaji, na katika mchakato wa kazi hukuruhusu kufanya bila tathmini ya kitaalamu ya wataalam katika lugha chanzi na lengwa. Hitilafu nyingi zinazotokea wakati wa uendeshaji wa mfano zinaweza kuondolewa kwa kuongeza vikwazo rahisi kwa decoder ili kuhakikisha kuwa kazi zinazozalishwa ni sahihi kisintaksia.
Watafiti wamependekeza usanifu mpya wa mtandao wa neural "Transformer" kwa mlolongo wa modeli, ambapo urudiaji hubadilishwa na "
Chanzo: opennet.ru