Esta es la aplicación de Windows llamada fairseq-lua, cuya última versión se puede descargar como fairseq-luasourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada fairseq-lua con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie cualquier emulador en línea de OS OnWorks desde este sitio web, pero mejor emulador en línea de Windows.
- 5. Desde el sistema operativo OnWorks Windows que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación e instálala.
- 7. Descargue Wine desde los repositorios de software de sus distribuciones de Linux. Una vez instalada, puede hacer doble clic en la aplicación para ejecutarla con Wine. También puedes probar PlayOnLinux, una elegante interfaz sobre Wine que te ayudará a instalar programas y juegos populares de Windows.
Wine es una forma de ejecutar software de Windows en Linux, pero no requiere Windows. Wine es una capa de compatibilidad de Windows de código abierto que puede ejecutar programas de Windows directamente en cualquier escritorio de Linux. Esencialmente, Wine está tratando de volver a implementar una cantidad suficiente de Windows desde cero para poder ejecutar todas esas aplicaciones de Windows sin necesidad de Windows.
SCREENSHOTS
Ad
fairseq-lua
DESCRIPCIÓN
fairseq-lua es la versión original de Lua/Torch7 del kit de herramientas de modelado de secuencias de Facebook AI Research, diseñado para la traducción automática neuronal (NMT) y la generación de secuencias. Introdujo las primeras arquitecturas basadas en la atención y los canales de entrenamiento que posteriormente evolucionaron hasta convertirse en el moderno fairseq basado en PyTorch. El marco implementa modelos secuencia a secuencia con atención, decodificación de búsqueda de haz y entrenamiento distribuido, lo que proporciona una plataforma de investigación para explorar la traducción, el resumen y el modelado del lenguaje. Su diseño modular facilitó la creación de prototipos de nuevas arquitecturas mediante la modificación de codificadores, decodificadores o mecanismos de atención. Aunque ahora está obsoleto en favor de la reescritura de PyTorch, fairseq-lua desempeñó un papel clave en el avance de los sistemas NMT a gran escala, como las primeras versiones de los modelos de traducción de producción de Facebook. Sigue siendo una referencia histórica importante para los marcos de aprendizaje de secuencias neuronales.
Caracteristicas
- Arquitectura secuencia a secuencia con mecanismo de atención
- Decodificación de búsqueda de haz para obtener resultados de traducción precisos
- Entrenamiento multi-GPU y paralelización distribuida
- Diseño modular para experimentos de codificador-decodificador personalizados
- Soporte para tareas de traducción, resumen y modelado del lenguaje
- Fundamento histórico del marco Fairseq basado en PyTorch
Lenguaje de programación
Lua
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/fairseq-lua.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
