【导语】:Fairseq是一个序列建模工具包,可对翻译、摘要、语言建模和其他文本作业训练自定义建模,完全使用python实现,主要面向科研人员和开发者。
简介
Fairseq 这个翻译模型由Facebook AI实验室在2017年提出,和以往以RNN为基础的翻译模型相比,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。
项目地址: https://github.com/pytorch/fairseq
特点
单机多GPU训练或者多机器并行(数据和模型并行)
CPU和GPU的快速生成基于多个搜索算法的实现:
柱型搜索
多样化柱型搜索
抽样(无约束,top-k和top-p/nucleus)
词法约束译码(Post & Vilar, 2018)
梯度堆积可以在单个GPU上完成大量的小块训练
混合精度训练 (基于英伟达张量内核,可以用更少的GPU进行更快速的训练)
可拓展:注册新模型,测量规范,任务,优化器以及学习率的调度十