北碚信息港

当前位置:

一窥谷歌神经机器翻译模型真面貌其底层框架

2019/08/16 来源:北碚信息港

导读

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 (

  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。(公众号:)提醒,在谷歌的执行中

  ,他们使用 wordpieces 来处理生僻字词。

  据了解,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:

  GitHub 资源库:

  viagoogleblog,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?

  版权文章,未经授权禁止转载。详情见转载须知。

孩子中暑
小儿大便干
宝宝便秘吃的药
标签

友情链接