فیس بک انجینئرز نے ایک ٹرانس کمپائلر شائع کیا ہے۔ ، جو ماخذ کوڈ کو ایک اعلی سطحی پروگرامنگ زبان سے دوسری زبان میں تبدیل کرنے کے لیے مشین لرننگ تکنیک کا استعمال کرتا ہے۔ فی الحال، جاوا، C++ اور Python کے درمیان کوڈ کا ترجمہ کرنے کے لیے سپورٹ فراہم کی جاتی ہے۔ مثال کے طور پر، TransCoder آپ کو جاوا سورس کوڈ کو Python کوڈ، اور Python کوڈ کو Java سورس کوڈ میں تبدیل کرنے کی اجازت دیتا ہے۔ پروجیکٹ کی ترقی کو عملی جامہ پہنایا جا رہا ہے۔ کوڈ کی موثر خودکار ٹرانسکمپلیشن اور صرف غیر تجارتی استعمال کے لیے Creative Commons Attribution-Non Commercial 4.0 لائسنس کے تحت لائسنس یافتہ۔
مشین لرننگ سسٹم کا نفاذ Pytorch پر مبنی ہے۔ دو ریڈی میڈ ماڈلز ڈاؤن لوڈ کے لیے پیش کیے جاتے ہیں: C++ کو جاوا، جاوا سے C++ اور جاوا سے ازگر کا ترجمہ کرنے کے لیے، اور نشریات کے لیے
C++ سے Python، Python سے C++ اور Python سے Java۔ ماڈلز کو تربیت دینے کے لیے، ہم نے GitHub پر پوسٹ کیے گئے پروجیکٹس کے سورس کوڈز کا استعمال کیا۔ اگر چاہیں تو دیگر پروگرامنگ زبانوں کے لیے ترجمہ ماڈل بنائے جا سکتے ہیں۔ نشریات کے معیار کو جانچنے کے لیے، یونٹ ٹیسٹوں کا ایک مجموعہ تیار کیا گیا ہے، ساتھ ہی ایک ٹیسٹ سوٹ بھی تیار کیا گیا ہے جس میں 852 متوازی افعال شامل ہیں۔
یہ دعویٰ کیا جاتا ہے کہ تبادلوں کی درستگی کے لحاظ سے، TransCoder تجارتی مترجمین سے نمایاں طور پر برتر ہے جو تبادلوں کے اصولوں پر مبنی طریقے استعمال کرتے ہیں، اور کام کے عمل میں یہ آپ کو ماخذ اور ہدف کی زبان میں ماہرین کے ماہرانہ تشخیص کے بغیر کرنے کی اجازت دیتا ہے۔ ماڈل کے آپریشن کے دوران پیدا ہونے والی زیادہ تر خرابیوں کو ڈیکوڈر میں سادہ پابندیاں شامل کر کے ختم کیا جا سکتا ہے تاکہ یہ یقینی بنایا جا سکے کہ تخلیق کردہ فنکشنز مصنوعی طور پر درست ہیں۔
محققین نے ماڈلنگ کے سلسلے کے لیے ایک نیا نیورل نیٹ ورک فن تعمیر "ٹرانسفارمر" تجویز کیا ہے، جس میں تکرار کی جگہ ""( توجہ کے ساتھ seq2seq ماڈل)، جو آپ کو کمپیوٹیشنل گراف میں کچھ انحصار سے چھٹکارا حاصل کرنے اور متوازی بنانے کی اجازت دیتا ہے جو پہلے متوازی کرنے کے قابل نہیں تھا۔ تمام معاون زبانیں ایک واحد مشترکہ ماڈل استعمال کرتی ہیں، جس کی تربیت تین اصولوں کا استعمال کرتے ہوئے کی جاتی ہے۔
ماخذ: opennet.ru