Ito ang Windows app na pinangalanang fairseq-lua na ang pinakabagong release ay maaaring ma-download bilang fairseq-luasourcecode.tar.gz. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang fairseq-lua gamit ang OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA SCREENSHOT:
fairseq-lua
DESCRIPTION:
Ang fairseq-lua ay ang orihinal na bersyon ng Lua/Torch7 ng sequence modeling toolkit ng Facebook AI Research, na idinisenyo para sa neural machine translation (NMT) at sequence generation. Ipinakilala nito ang maagang mga arkitektura na nakabatay sa atensyon at mga pipeline ng pagsasanay na kalaunan ay umunlad sa modernong PyTorch-based fairseq. Ang framework ay nagpapatupad ng mga sequence-to-sequence na mga modelo na may atensyon, beam search decoding, at distributed na pagsasanay, na nagbibigay ng platform ng pananaliksik para sa paggalugad ng pagsasalin, pagbubuod, at pagmomodelo ng wika. Pinadali ng modular na disenyo nito ang pag-prototype ng mga bagong arkitektura sa pamamagitan ng pagbabago sa mga encoder, decoder, o mekanismo ng atensyon. Bagama't hindi na ginagamit ngayon pabor sa muling pagsulat ng PyTorch, ang fairseq-lua ay gumanap ng mahalagang papel sa pagsulong ng malakihang mga sistema ng NMT, gaya ng mga unang bersyon ng mga modelo ng pagsasalin ng produksyon ng Facebook. Ito ay nananatiling mahalagang sanggunian sa kasaysayan para sa mga balangkas ng pag-aaral ng pagkakasunud-sunod ng neural.
Mga tampok
- Sequence-to-sequence architecture na may mekanismo ng atensyon
- Beam search decoding para sa tumpak na mga output ng pagsasalin
- Multi-GPU na pagsasanay at distributed parallelization
- Modular na disenyo para sa custom na encoder–decoder na mga eksperimento
- Suporta para sa pagsasalin, pagbubuod, at mga gawain sa pagmomodelo ng wika
- Makasaysayang pundasyon para sa PyTorch-based fairseq framework
Wika ng Programming
Lua
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/fairseq-lua.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.