admin管理员组文章数量:1531230
最近,Facebook又开源了fairseq的PyTorch版:fairseq-py。大家从最新的文章可以看出,用CNN来做机器翻译,达到顶尖的准确率,速度则是RNN的9倍;同时,Facebook还开放了seq2seq学习工具包fairseq的Torch源代码和已训练的系统。
fairseq-py优势与介绍
fairseq-py包含论文中描述的全卷积模型,支持在一台机器上用多GPU进行训练,以及CPU和GPU上的快速beam search生成。
fairseq-py可以用来里实现机器翻译,也能用于其他seq2seq的NLP任务。
这个开源工具包同时还包含英译法、英译德的预训练机器翻译模型。
fairseq-py比之前的Torch版更高效,翻译的速度提高了80%,训练速度提升近50%。
介绍
FAIR序列到序列工具包(PyTorch)
这是一个PyTorch版本的fairseq,一个从序列到序列学习工具包从Facebook的AI研究。这个重新实现的原始作者(没有特别的顺序)Sergey Edunov,Myle Ott和Sam Gross。该工具包实现卷积序列到序列学习中描述的完全卷积模型,并在单个机器上实现多GPU训练,并在CPU和GPU上实现快速波束搜索生成。我们提供英语到法语和英语到德语翻译的预训练模型。
安装
在Mac和Linux下的安装可以参考这篇文章:pytorch使用fairseq-py实现实现快速机器翻译
官方GitHub:https://github/pytorch/fairseq
官方文档:https://
版权声明:本文标题:windows下安装使用fairseq框架 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/xitong/1726032605a1052643.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论