Sockeye基于 Apache MXNet 的神经机器翻译框架

Sockeye 是一个基于 Apache MXNet 的快速而可扩展的深度学习库。Sockeye 代码库具有来自 MXNet 的独特优势。例如，通过符号式和命令式 MXNet API，Sockeye 结合了陈述式和命令式编程风格；它同样可以在多块 GPU 上并行训练模型。

Sockeye：为使用 MXNet 的机器翻译进行序列到序列建模

Sockeye 实现了 MXNet 上当前最佳的序列到序列模型。它同样为所有序列到序列模型的超参数提供恰当的默认值。对于优化，无需担心停止标准、指标跟踪或者权重初始化。可以简单地运行已提供的训练命令行界面（CLI）,也可以轻易改变基础模型架构，比如：

• RNN 单元类型（LSTM 或 GRU）和隐藏状态大小

• RNN 层的数量

• 源序列和目标序列嵌入的大小

• 应用于源编码的注意力机制的类型

Sockeye 同样有其他更高级的功能，比如：

• 束搜索推理

• 多模型的简单集成

• RNN 层之间的残差链接

• 输出层预测的词汇偏倚

• 门控语境（Context gating）

• 交叉熵标签平滑

• 层归一化

为了训练，Sockeye 允许使用者完全掌控重要的优化参数。例如，使用者可以设置优化器类型、学习率、动量、权重衰减和提前停止条件。Sockeye 跟踪了训练和验证数据上的多个指标（包括专门针对机器翻译的指标，比如 BLEU）。