一窥谷歌神经机器翻译模型真面貌,其底层框架开源!
去年,谷歌发布了 Google Neural Machine Translation (GNMT),即谷歌神经机器翻译,一个 sequence-to-sequence (“seq2seq”) 的模型。现在,它已经用于谷歌翻译的产品系统。
虽然消费者感受到的提升并不十分明显,谷歌宣称,GNMT 对翻译质量带来了巨大飞跃。
但谷歌想做的显然不止于此。其在官方博客表示:“由于外部研究人员无法获取训练这些模型的框架,GNMT 的影响力受到了束缚。”
如何把该技术的影响力最大化?答案只有一个——开源。
因而,谷歌于昨晚发布了 tf-seq2seq —— 基于 TensorFlow 的 seq2seq 框架。谷歌表示,它使开发者试验 seq2seq 模型变得更方便,更容易达到一流的效果。另外,tf-seq2seq 的代码库很干净并且模块化,保留了全部的测试覆盖,并把所有功能写入文件。
该框架支持标准 seq2seq 模型的多种配置,比如编码器/解码器的深度、注意力机制(attention mechanism)、RNN 单元类型以及 beam size。这样的多功能性,能帮助研究人员找到最优的超参数,也使它超过了其他框架。详情请参考谷歌论文《Massive Exploration of Neural Machine Translation Architectures》。
上图所示,是一个从中文到英文的 seq2seq 翻译模型。每一个时间步骤,编码器接收一个汉字以及它的上一个状态(黑色箭头),然后生成输出矢量(蓝色箭头)。下一步,解码器一个词一个词地生成英语翻译。在每一个时间步骤,解码器接收上一个字词、上一个状态、所有编码器的加权输出和,以生成下一个英语词汇。雷锋网(公众号:雷锋网)提醒,在谷歌的执行中,他们使用 wordpieces 来处理生僻字词。
据雷锋网了解,除了机器翻译,tf-seq2seq 还能被应用到其他 sequence-to-sequence 任务上;即任何给定输入顺序、需要学习输出顺序的任务。这包括 machine summarization、图像抓取、语音识别、对话建模。谷歌自承,在设计该框架时可以说是十分地仔细,才能维持这个层次的广适性,并提供人性化的教程、预处理数据以及其他的机器翻译功能。
谷歌在博客表示:
“我们希望,你会用 tf-seq2seq 来加速(或起步)你的深度学习研究。我们欢迎你对 GitHub 资源库的贡献。有一系列公开的问题需要你的帮助!”
GitHub 地址:https://github.com/google/seq2seq
GitHub 资源库:https://google.github.io/seq2seq/nmt/
via googleblog,雷锋网编译
相关文章:
谷歌翻译App对中国用户开放,不再需要VPN
Google Brain:NMT训练成本太高?用大规模神经机器翻译架构分析给出解决方案
涨姿势!如何评价Google神经机器翻译(GNMT)系统?
雷锋网版权文章,未经授权禁止转载。详情见。
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/80499.html
aliyungoogleiPhonePhone开源谷歌相关文章
- 超实用的开源项目—如何将WiFi密码转成二维码进行共享
- 全方位支持任务数据集模型,Salesforce开源一站式视觉语言学习框架LAVIS
- 啥都有开源,报表工具呢?
- PHP 开源框架 MiniFramework 发布 1.1.0 版
- 「02」xxl-job – 定时任务调度框架 – 开源项目
- 可扩展易配置,快来揭秘新一代自监督学习开源框架
- 每日开源 | 告别造轮子,试试这个单点登录框架...
- 1.4k Star国产开源编辑器,发誓将Notepad++拉下马
- 美团:某动态线程池框架是官方开源的么?
- 开源操作系统的类别及其特点
- MySQL开源监控:构建全方位性能保障(mysql开源监控工具)
- Omi 5.0.5 发布,腾讯开源的下一代 Web 框架
- Linux的分支:开源世界的多元精彩(linux的分支)
- Google开源C/C++版MapReduce框架
- 使用开源工具创建私有的虚拟专用网络
- 用于 Web 前端开发的 9 个 JavaScript 开源框架
- 一周开源新闻:Let’s Encrypt 给钓鱼网站颁发了 15000 份欺诈安全证书
- 2018 年开源技术 10 大发展趋势
- 了解ABS Linux:高效的开源操作系统(abslinux)
- Cain Linux:开源界的新力量,你需要了解的全部(cainlinux)
- 六款值得推荐的android(安卓)开源框架简介