李林 編譯整理
量子位 出品 | 公眾號 QbitAI
還記得Facebook那篇用CNN做機器翻譯的論文嗎?Convolutional Sequence to Sequence Learning。
在那篇論文中, Facebook的研究人員們展示了他們的研究成果:用CNN來做機器翻譯, 達到頂尖的準確率, 速度則是RNN的9倍。
同時, Facebook還開放了seq2seq學習工具包fairseq的Torch原始程式碼和已訓練的系統。
最近, Facebook又開源了fairseq的PyTorch版:fairseq-py。
根據Facebook在GitHub上的介紹, fairseq-py包含論文中描述的全卷積模型, 支援在一台機器上用多GPU進行訓練, 以及CPU和GPU上的快速beam search生成。
fairseq-py可以用來裡實現機器翻譯, 也能用於其他seq2seq的NLP任務。
這個開源工具包同時還包含英譯法、英譯德的預訓練機器翻譯模型。
fairseq-py比之前的Torch版更高效, 翻譯的速度提高了80%, 訓練速度提升近50%。
fairseq-py的GitHub連結:
https://github.com/facebookresearch/fairseq-py
論文Convolutional Sequence to Sequence Learning:
https://arxiv.org/abs/1705.03122
Torch版GitHub連結:
https://github.com/facebookresearch/fairseq
用戶論壇:
https://groups.google.com/forum/#!forum/fairseq-users
— 完 —
誠摯招聘