మెషీన్ లెర్నింగ్ పద్ధతులను ఉపయోగించే OpenNMT 0.28.0 (ఓపెన్ న్యూరల్ మెషిన్ ట్రాన్స్‌లేషన్) మెషిన్ ట్రాన్స్‌లేషన్ సిస్టమ్ విడుదల ప్రచురించబడింది. న్యూరల్ నెట్‌వర్క్‌ను రూపొందించడానికి, ప్రాజెక్ట్ టెన్సర్‌ఫ్లో డీప్ మెషిన్ లెర్నింగ్ లైబ్రరీ యొక్క సామర్థ్యాలను ఉపయోగిస్తుంది. OpenNMT ప్రాజెక్ట్ ద్వారా అభివృద్ధి చేయబడిన మాడ్యూల్స్ కోడ్ పైథాన్‌లో వ్రాయబడింది మరియు MIT లైసెన్స్ క్రింద పంపిణీ చేయబడుతుంది. ఇతర భాషల కోసం ఇంగ్లీష్, జర్మన్ మరియు కాటలాన్ భాషల కోసం రెడీమేడ్ మోడల్‌లు తయారు చేయబడ్డాయి, మీరు OPUS ప్రాజెక్ట్ నుండి సెట్ చేయబడిన డేటా ఆధారంగా స్వతంత్రంగా ఒక నమూనాను సృష్టించవచ్చు (శిక్షణ కోసం, రెండు ఫైల్‌లు సిస్టమ్‌కు బదిలీ చేయబడతాయి - ఒకటి మూల భాష, మరియు రెండవది లక్ష్య భాషలోకి ఈ వాక్యాల యొక్క అధిక-నాణ్యత అనువాదంతో ).
యంత్ర అనువాద సాధనాలను రూపొందించడంలో ప్రత్యేకత కలిగిన SYSTRAN అనే సంస్థ మరియు మెషీన్ లెర్నింగ్ సిస్టమ్‌ల కోసం మానవ భాషా నమూనాలను అభివృద్ధి చేస్తున్న హార్వర్డ్ పరిశోధకుల బృందం భాగస్వామ్యంతో ప్రాజెక్ట్ అభివృద్ధి చేయబడుతోంది. వినియోగదారు ఇంటర్‌ఫేస్ వీలైనంత సరళీకృతం చేయబడింది మరియు అనువాద ఫలితాన్ని సేవ్ చేయడానికి టెక్స్ట్ మరియు ఫైల్‌తో ఇన్‌పుట్ ఫైల్‌ను పేర్కొనడం మాత్రమే అవసరం. పొడిగింపు వ్యవస్థ OpenNMT ఆధారంగా అదనపు కార్యాచరణను అమలు చేయడం సాధ్యం చేస్తుంది, ఉదాహరణకు, స్వీయ-సంగ్రహించడం, వచన వర్గీకరణ మరియు ఉపశీర్షిక ఉత్పత్తి.
TensorFlow ఉపయోగం GPU యొక్క సామర్థ్యాలను ఉపయోగించడానికి మిమ్మల్ని అనుమతిస్తుంది (న్యూరల్ నెట్‌వర్క్‌కు శిక్షణ ఇచ్చే ప్రక్రియను వేగవంతం చేయడానికి. ఉత్పత్తి పంపిణీని సరళీకృతం చేయడానికి, ప్రాజెక్ట్ C++ - CTranslate2లో అనువాదకుని యొక్క స్వయం సమృద్ధి సంస్కరణను కూడా అభివృద్ధి చేస్తోంది. , ఇది అదనపు డిపెండెన్సీలను సూచించకుండా ముందే శిక్షణ పొందిన నమూనాలను ఉపయోగిస్తుంది.
కొత్త వెర్షన్ ప్రారంభ_లెర్నింగ్_రేట్ పరామితిని జోడిస్తుంది మరియు ట్రాన్స్‌ఫార్మర్ మోడల్ జనరేటర్‌ను కాన్ఫిగర్ చేయడానికి అనేక కొత్త ఆర్గ్యుమెంట్‌లను (mha_bias మరియు output_layer_bias) అమలు చేస్తుంది. మిగిలినవి బగ్ పరిష్కారాల ద్వారా గుర్తించబడతాయి.
మూలం: opennet.ru