搜索
下载APP
Fairseq基于卷积神经网络的机器翻译
认领
关注
0
粉丝
Fairseq 使用一种全新的卷积神经网络(CNN)进行语言翻译,结果以 9 倍于以往循环神经网络(CNN)的速度实现了目前最高准确率。它在单个机器上实现多 GPU 训练,并在 CPU 和 GPU 上实现快速搜索。Fairseq 提供了英语到法语,英语到德语和英语到罗马尼亚语翻译的预训练模型。模型图
知识
简介
Fairseq 使用一种全新的卷积神经网络(CNN)进行语言翻译,结果以 9 倍于以往循环神经网络(CNN)的速度实现了目前最高准确率。它在单个机器上实现多 GPU 训练,并在 CPU 和 GPU 上实现快速搜索。Fairseq 提供了英语到法语,英语到德语和英语到罗马尼亚语翻译的预训练模型。模型图...
更多
其它信息
授权协议
BSD
开发语言
Lua
操作系统
跨平台
软件类型
开源软件
所属分类
神经网络/人工智能、 机器学习/深度学习
开源组织
Facebook
地区
不详
适用人群
未知
时光轴
里程碑
1
LOG
0
2023
09-26
轻识收录
打卡
我要打卡
我要打卡
评价
0.0
(满分 10 分)
0 个评分
什么是点评分
图片
表情
视频
评价
全部评价( 0)
推荐率 100%
推荐
draw_convnet演示卷积神经网络的 Python 脚本
draw_convnet 是一个用于演示卷积神经网络 (ConvNet) 的 Python 脚本。示
draw_convnet演示卷积神经网络的 Python 脚本
draw_convnet是一个用于演示卷积神经网络(ConvNet)的Python脚本。示例图像flag_omit=Falseflag_omit=True
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
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
TensorFire基于 WebGL 的浏览器端神经网络框架
TensorFire是基于WebGL的,运行在浏览器中的神经网络框架。使用TensorFire编写的应用能够在实现前沿深度学习算法的同时,不需要任何的安装或者配置就直接运行在现代浏览器中。与之前某些浏
TensorFire基于 WebGL 的浏览器端神经网络框架
TensorFire 是基于 WebGL 的,运行在浏览器中的神经网络框架。使用 TensorFir
NiftyNet开源的卷积神经网络和医疗影像分析平台
NiftyNet 是一个基于 TensorFlow 的开源卷积神经网络平台,用来研究医疗影像分析和影
NiftyNet开源的卷积神经网络和医疗影像分析平台
NiftyNet是一个基于TensorFlow的开源卷积神经网络平台,用来研究医疗影像分析和影像导向的治疗。NiftyNet有着模块化的架构设计,能够共享网络架构和预训练模型。使用该模块架构,你可以:
MarianC++ 实现的神经机器翻译框架
Marian是一个用纯C++编写的高效神经机器翻译框架,具有最小依赖性。以纪念波兰数学家和密码学家MarianRejewski的名字命名。特点纯C++实现一个用于GPU/CPU训练和解码的引擎GPU/
Sanzang机器翻译平台
Sanzang 是一个紧凑简单的跨平台机器翻译系统。特别为翻译 CJK 语言所涉及 (Chinese