Task1:了解机器翻译 & 理解赛题
一、机器翻译的发展历程
机器翻译(Machine Translation,简称MT)是自然语言处理领域的一个重要分支,其目标是将一种语言的文本自动转换为另一种语言的文本。
经历了从基于规则的方法、统计方法到深度学习方法的演变过程。
-
基于规则的机器翻译(1950s-1980s)
-
基于统计的机器翻译(1990s-2000s)
-
基于神经网络机器翻译(2010s-present)
-
未来发展趋势:机器翻译正朝着更加智能化和个性化方向发展
二、数据划分
-
训练集(Training Set):训练集用于训练模型,使模型能够学习输入数据与输出结果之间的映射关系。模型会根据训练集中的样本调整其参数,以最小化预测误差。
-
开发集/验证集(Development/Validation Set):开发集用于在模型训练过程中调整超参数、选择模型架构以及防止过拟合。它作为独立于训练集的数据,用于评估模型在未见过的数据上的表现。选择最佳的模型配置,避免模型在训练集上过度拟合,确保模型的泛化能力。
-
测试集(Test Set):测试集用于最终评估模型的性能,是在模型训练和调参完全完成后,用来衡量模型实际应用效果的一组数据。它是最接近真实世界数据的评估标准。
三、baseline 初步实践与思考
本次参加讯飞开发者大赛,基于术语词典的机器翻译挑战赛作为实践。
采用魔搭社区的服务器进行代码运行,笔者第一次采用GPU进行运算,速度比较快,而用CPU计算,速度明显很慢。
笔者搜集资料,猜测以下几种原因
1.很多深度学习框架(如TensorFlow、PyTorch)在GPU上进行优化,能够利用GPU的特性提升性能。而baseline 代码中 引入了Torch模块,因此笔者猜测有这一方面的原因。
2.处理的数据量很大,GPU能更高效地利用其多个核心进行计算。
3.由于并行运算的特性,GPU设计用于处理大量并行计算任务,特别适合深度学习等需要大量矩阵运算的工作。
在修改了数据训练轮数与数据样本之后,测试结果有了可观的改善,但在某一个的特殊的值后,出现过拟合状态,损失值震荡不变。
PS:(稍微学了一点命令)
mkdir MT
cd MT
mkdir code
mkdir 创建目录
cd 穿梭到指定目录