นี่คือแอป Windows ชื่อ fairseq-lua ซึ่งสามารถดาวน์โหลดเวอร์ชันล่าสุดได้ที่ fairseq-luasourcecode.tar.gz สามารถรันแอปนี้แบบออนไลน์ได้บน OnWorks ซึ่งเป็นผู้ให้บริการโฮสติ้งฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและรันแอปออนไลน์ชื่อ fairseq-lua ด้วย OnWorks ได้ฟรี
ทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้แอปนี้:
- 1. ดาวน์โหลดแอปพลิเคชั่นนี้ในพีซีของคุณ
- 2. เข้าไปที่ file manager https://www.onworks.net/myfiles.php?username=XXXXX ด้วยชื่อผู้ใช้ที่คุณต้องการ
- 3. อัปโหลดแอปพลิเคชันนี้ในตัวจัดการไฟล์ดังกล่าว
- 4. เริ่มโปรแกรมจำลองออนไลน์ของ OS OnWorks จากเว็บไซต์นี้ แต่โปรแกรมจำลองออนไลน์ของ Windows ที่ดีกว่า
- 5. จากระบบปฏิบัติการ Windows ของ OnWorks ที่คุณเพิ่งเริ่มต้น ไปที่ตัวจัดการไฟล์ของเรา https://www.onworks.net/myfiles.php?username=XXXXX พร้อมชื่อผู้ใช้ที่คุณต้องการ
- 6. ดาวน์โหลดแอปพลิเคชั่นและติดตั้ง
- 7. ดาวน์โหลดไวน์จากที่เก็บซอฟต์แวร์ลีนุกซ์ดิสทริบิวชันของคุณ เมื่อติดตั้งแล้ว คุณสามารถดับเบิลคลิกที่แอปเพื่อเรียกใช้แอปด้วย Wine คุณยังสามารถลองใช้ PlayOnLinux ซึ่งเป็นอินเทอร์เฟซแฟนซีบน Wine ที่จะช่วยคุณติดตั้งโปรแกรมและเกมยอดนิยมของ Windows
ไวน์เป็นวิธีเรียกใช้ซอฟต์แวร์ Windows บน Linux แต่ไม่จำเป็นต้องใช้ Windows Wine เป็นเลเยอร์ความเข้ากันได้ของ Windows แบบโอเพ่นซอร์สที่สามารถเรียกใช้โปรแกรม Windows ได้โดยตรงบนเดสก์ท็อป Linux โดยพื้นฐานแล้ว Wine พยายามนำ Windows กลับมาใช้ใหม่ให้เพียงพอตั้งแต่เริ่มต้น เพื่อให้สามารถเรียกใช้แอปพลิเคชัน Windows เหล่านั้นทั้งหมดโดยไม่จำเป็นต้องใช้ Windows จริงๆ
ภาพหน้าจอ:
แฟร์เซค-ลัว
รายละเอียด:
fairseq-lua คือชุดเครื่องมือสร้างแบบจำลองลำดับของ Facebook AI Research เวอร์ชัน Lua/Torch7 ดั้งเดิม ออกแบบมาสำหรับการแปลด้วยเครื่องประสาทเทียม (NMT) และการสร้างลำดับ ชุดเครื่องมือนี้นำเสนอสถาปัตยกรรมที่อิงความสนใจในยุคแรกและไปป์ไลน์การฝึก ซึ่งต่อมาได้พัฒนาเป็น fairseq ที่ใช้ PyTorch ในปัจจุบัน เฟรมเวิร์กนี้นำแบบจำลองลำดับต่อลำดับมาใช้งานด้วยความสนใจ การถอดรหัสการค้นหาลำแสง และการฝึกแบบกระจาย จึงเป็นแพลตฟอร์มการวิจัยสำหรับการสำรวจการแปล การสรุป และการสร้างแบบจำลองภาษา การออกแบบแบบโมดูลาร์ทำให้การสร้างต้นแบบสถาปัตยกรรมใหม่ๆ เป็นเรื่องง่ายโดยการปรับเปลี่ยนตัวเข้ารหัส ตัวถอดรหัส หรือกลไกความสนใจ แม้ว่าปัจจุบันจะเลิกใช้งานแล้วเนื่องจากสนับสนุนการเขียน PyTorch ใหม่ แต่ fairseq-lua ก็มีบทบาทสำคัญในการพัฒนาระบบ NMT ขนาดใหญ่ เช่น โมเดลการแปลสำหรับการผลิตเวอร์ชันแรกของ Facebook ยังคงเป็นข้อมูลอ้างอิงทางประวัติศาสตร์ที่สำคัญสำหรับเฟรมเวิร์กการเรียนรู้ลำดับประสาทเทียม
คุณสมบัติ
- สถาปัตยกรรมลำดับต่อลำดับพร้อมกลไกการใส่ใจ
- การถอดรหัสการค้นหาลำแสงเพื่อผลลัพธ์การแปลที่แม่นยำ
- การฝึกอบรมแบบหลาย GPU และการประมวลผลแบบกระจายแบบขนาน
- การออกแบบแบบโมดูลาร์สำหรับการทดลองเข้ารหัส-ถอดรหัสแบบกำหนดเอง
- รองรับงานแปล การสรุป และการสร้างแบบจำลองภาษา
- รากฐานทางประวัติศาสตร์สำหรับกรอบงาน fairseq ที่ใช้ PyTorch
ภาษาโปรแกรม
Lua
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/fairseq-lua.mirror/ ได้ แอปพลิเคชันนี้โฮสต์อยู่ใน OnWorks เพื่อให้ใช้งานออนไลน์ได้ง่ายที่สุดจากระบบปฏิบัติการฟรีของเรา