Dit is de Windows-app fairseq-lua, waarvan de nieuwste versie kan worden gedownload als fairseq-luasourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online deze app met de naam fairseq-lua gratis met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
fairseq-lua
PRODUCTBESCHRIJVING
fairseq-lua is de originele Lua/Torch7-versie van Facebook AI Research's sequentiemodelleringstoolkit, ontworpen voor neurale machinevertaling (NMT) en sequentiegeneratie. Het introduceerde vroege op aandacht gebaseerde architecturen en trainingspijplijnen die later evolueerden tot de moderne, op PyTorch gebaseerde fairseq. Het framework implementeert sequentie-naar-sequentiemodellen met aandacht, beam search decodering en gedistribueerde training, en biedt een onderzoeksplatform voor het verkennen van vertaling, samenvatting en taalmodellering. Het modulaire ontwerp maakte het eenvoudig om nieuwe architecturen te prototypen door encoders, decoders of aandachtmechanismen aan te passen. Hoewel fairseq-lua nu is afgeschaft ten gunste van de PyTorch-herschrijving, speelde het een sleutelrol in de ontwikkeling van grootschalige NMT-systemen, zoals vroege versies van Facebooks productievertaalmodellen. Het blijft een belangrijke historische referentie voor frameworks voor het leren van neurale sequenties.
Kenmerken
- Sequentie-naar-sequentie-architectuur met aandachtsmechanisme
- Decodering van bundelzoekopdrachten voor nauwkeurige vertaalresultaten
- Multi-GPU-training en gedistribueerde parallelisatie
- Modulair ontwerp voor aangepaste encoder-decoder-experimenten
- Ondersteuning voor vertaal-, samenvattings- en taalmodelleringstaken
- Historische basis voor het op PyTorch gebaseerde fairseq-framework
Programmeertaal
Lua
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/fairseq-lua.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
