这是名为 Fairseq 的 Windows 应用程序，其最新版本可以下载为 v0.10.2.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Fairseq with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
费尔赛克
商品描述
Fairseq(-py) 是一个序列建模工具包，允许研究人员和开发人员为翻译、摘要、语言建模和其他文本生成任务训练自定义模型。 我们提供各种序列建模论文的参考实现。 微软和谷歌最近的工作表明，通过在数据并行工作者之间分片模型参数和优化器状态，可以显着提高数据并行训练的效率。 这些想法被封装在 fairscale 提供的新的 FullyShardedDataParallel (FSDP) 包装器中。 Fairseq 可以通过用户提供的插件进行扩展。 模型定义了神经网络架构并封装了所有可学习的参数。 给定模型输出和目标，标准计算损失函数。 任务存储字典并为加载/迭代数据集、初始化模型/标准和计算损失提供帮助。
功能
- 在一台机器上或多台机器上进行多 GPU 训练（数据和模型并行）
- 在 CPU 和 GPU 上快速生成，实现了多种搜索算法
- 梯度累积即使在单个 GPU 上也可以使用大型 mini-batch 进行训练
- 混合精度训练（在 NVIDIA 张量核心上使用更少的 GPU 内存更快地训练）
- 轻松注册新模型、标准、任务、优化器和学习率调度器
- 基于 Hydra 的灵活配置允许结合基于代码、命令行和文件的配置
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/fairseq.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
