windows下安装使用fairseq框架

最近，Facebook又开源了fairseq的PyTorch版：fairseq-py。大家从最新的文章可以看出，用CNN来做机器翻译，达到顶尖的准确率，速度则是RNN的9倍；同时，Facebook还开放了seq2seq学习工具包fairseq的Torch源代码和已训练的系统。

fairseq-py优势与介绍

fairseq-py包含论文中描述的全卷积模型，支持在一台机器上用多GPU进行训练，以及CPU和GPU上的快速beam search生成。

fairseq-py可以用来里实现机器翻译，也能用于其他seq2seq的NLP任务。

这个开源工具包同时还包含英译法、英译德的预训练机器翻译模型。

fairseq-py比之前的Torch版更高效，翻译的速度提高了80%，训练速度提升近50%。

介绍

FAIR序列到序列工具包（PyTorch）

这是一个PyTorch版本的fairseq，一个从序列到序列学习工具包从Facebook的AI研究。这个重新实现的原始作者（没有特别的顺序）Sergey Edunov，Myle Ott和Sam Gross。该工具包实现卷积序列到序列学习中描述的完全卷积模型，并在单个机器上实现多GPU训练，并在CPU和GPU上实现快速波束搜索生成。我们提供英语到法语和英语到德语翻译的预训练模型。

 

安装

在Mac和Linux下的安装可以参考这篇文章：pytorch使用fairseq-py实现实现快速机器翻译

官方GitHub：https://github.com/pytorch/fairseq

官方文档：https://