ఒక ప్రోగ్రామింగ్ లాంగ్వేజ్ నుండి మరొక ప్రోగ్రామింగ్ లాంగ్వేజ్‌కి కోడ్‌ను అనువదించడానికి ఫేస్‌బుక్ ట్రాన్స్‌కోడర్‌ను అభివృద్ధి చేస్తోంది

Facebook ఇంజనీర్లు ట్రాన్స్‌కంపైలర్‌ను ప్రచురించారు ట్రాన్స్‌కోడర్, ఇది సోర్స్ కోడ్‌ను ఒక ఉన్నత-స్థాయి ప్రోగ్రామింగ్ భాష నుండి మరొకదానికి మార్చడానికి యంత్ర అభ్యాస పద్ధతులను ఉపయోగిస్తుంది. ప్రస్తుతం, Java, C++ మరియు Python మధ్య కోడ్‌ను అనువదించడానికి మద్దతు అందించబడింది. ఉదాహరణకు, ట్రాన్స్‌కోడర్ జావా సోర్స్ కోడ్‌ను పైథాన్ కోడ్‌గా మరియు పైథాన్ కోడ్‌ను జావా సోర్స్ కోడ్‌గా మార్చడానికి మిమ్మల్ని అనుమతిస్తుంది. ప్రాజెక్టు అభివృద్ధి పనులు ఆచరణలో ఉన్నాయి సైద్ధాంతిక పరిశోధన కోడ్ యొక్క సమర్థవంతమైన ఆటోమేటిక్ ట్రాన్స్‌కంపిలేషన్ కోసం న్యూరల్ నెట్‌వర్క్‌ను సృష్టించడం మరియు వ్యాప్తి వాణిజ్యేతర ఉపయోగం కోసం మాత్రమే క్రియేటివ్ కామన్స్ అట్రిబ్యూషన్-నాన్ కమర్షియల్ 4.0 లైసెన్స్ కింద లైసెన్స్ పొందింది.

మెషీన్ లెర్నింగ్ సిస్టమ్ యొక్క అమలు పైటోర్చ్ ఆధారంగా ఉంటుంది. డౌన్‌లోడ్ కోసం రెండు రెడీమేడ్ మోడల్‌లు అందించబడ్డాయి: మొదటి C++ని Javaకి, Javaని C++కి మరియు Javaని Pythonకి అనువదించడానికి, మరియు రెండవ ప్రసారం కోసం
C++ to Python, Python to C++ మరియు Python to Java. మోడల్‌లకు శిక్షణ ఇవ్వడానికి, మేము GitHubలో పోస్ట్ చేసిన ప్రాజెక్ట్‌ల సోర్స్ కోడ్‌లను ఉపయోగించాము. కావాలనుకుంటే, ఇతర ప్రోగ్రామింగ్ భాషల కోసం అనువాద నమూనాలను సృష్టించవచ్చు. ప్రసారం యొక్క నాణ్యతను తనిఖీ చేయడానికి, యూనిట్ పరీక్షల సేకరణ, అలాగే 852 సమాంతర విధులను కలిగి ఉన్న టెస్ట్ సూట్ సిద్ధం చేయబడింది.

మార్పిడి ఖచ్చితత్వం పరంగా, ట్రాన్స్‌కోడర్ మార్పిడి నియమాల ఆధారంగా పద్ధతులను ఉపయోగించే వాణిజ్య అనువాదకుల కంటే చాలా గొప్పదని పేర్కొన్నారు మరియు పని ప్రక్రియలో మూలం మరియు లక్ష్య భాషలో నిపుణుల నిపుణుల అంచనా లేకుండా చేయడానికి ఇది మిమ్మల్ని అనుమతిస్తుంది. మోడల్ యొక్క ఆపరేషన్ సమయంలో ఉత్పన్నమయ్యే చాలా లోపాలను డీకోడర్‌కు సాధారణ పరిమితులను జోడించడం ద్వారా ఉత్పత్తి చేయబడిన విధులు వాక్యనిర్మాణంగా సరైనవని నిర్ధారించడం ద్వారా తొలగించబడతాయి.

పరిశోధకులు మోడలింగ్ సీక్వెన్స్‌ల కోసం కొత్త న్యూరల్ నెట్‌వర్క్ ఆర్కిటెక్చర్ “ట్రాన్స్‌ఫార్మర్”ని ప్రతిపాదించారు, దీనిలో పునరావృతం స్థానంలో “శ్రద్ధ"(అటెన్షన్‌తో seq2seq మోడల్), ఇది గణన గ్రాఫ్‌లోని కొన్ని డిపెండెన్సీలను వదిలించుకోవడానికి మరియు గతంలో సమాంతరీకరణకు అనుకూలంగా లేని వాటిని సమాంతరంగా చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. అన్ని మద్దతు ఉన్న భాషలు ఒకే సాధారణ నమూనాను ఉపయోగిస్తాయి, ఇది మూడు సూత్రాలను ఉపయోగించి శిక్షణ పొందింది-ప్రారంభం, భాషా నమూనా మరియు వెనుక అనువాదం.

మూలం: opennet.ru