博客地址:http://blog.csdn.net/wangxinginnlp/article/details/52944432

工具名称:T2T: Tensor2Tensor Transformers

地址:https://github.com/tensorflow/tensor2tensor

语言:Python/Tensorflow

简介:★★★★★ 五颗星

https://research.googleblog.com/2017/06/accelerating-deep-learning-research.html

工具名称:dl4mt

地址:https://github.com/nyu-dl/dl4mt-tutorial/tree/master/session2

语言:Python/Theano

简介:

Attention-based encoder-decoder model for machine translation.

New York University Kyunghyun Cho博士组开发。

工具名称:blocks

地址:https://github.com/mila-udem/blocks

语言:Python/Theano

简介:

Blocks is a framework that helps you build neural network models on top of Theano.

Université de Montréal LISA Lab(实验室主任Yoshua Bengio,实验室现在更名为MILA Lab,主页:https://mila.umontreal.ca/en/)开发,是之前GroundHog(https://github.com/lisa-groundhog/GroundHog)的升级替代版。

工具名称:EUREKA-MangoNMT

地址:https://github.com/jiajunzhangnlp/EUREKA-MangoNMT

语言:C++

简介:A C++ toolkit for neural machine translation for CPU.

中科院自动化所语音语言技术研究组张家俊博士(http://www.nlpr.ia.ac.cn/cip/jjzhang.htm)开发。

工具名称:Nematus

地址:https://github.com/EdinburghNLP/nematus

语言:Python/Theano

简介:爱丁堡大学发布的NMT工具

工具名称:AmuNMT

地址:https://github.com/emjotde/amunmt

语言:C++

简介:

A C++ inference engine for Neural Machine Translation (NMT) models trained with Theano-based scripts from Nematus (https://github.com/rsennrich/nematus) or DL4MT (https://github.com/nyu-dl/dl4mt-tutorial).

Moses Machine Translation CIC公司Hieu Hoang博士(http://statmt.org/~s0565741/)等人开发。

工具名称:Zoph_RNN

地址:https://github.com/isi-nlp/Zoph_RNN

语言:C++

简介:

A C++/CUDA toolkit for training sequence and sequence-to-sequence models across multiple GPUs.

USC Information Sciences Institute开发。

工具名称:sequence-to-sequence mdoels in tensorflow

地址:https://www.tensorflow.org/versions/r0.11/tutorials/seq2seq/index.html

语言:TensorFlow/Python

简介:Sequence-to-Sequence Models

工具名称:nmt_stanford_nlp

地址:http://nlp.stanford.edu/projects/nmt/

语言:Matlab

简介:

Neural machine translation (NMT) at Stanford NLP group.

工具名称:OpenNMT

地址:http://opennmt.net/

语言:Lua/Torch

简介:

OpenNMT was originally developed by Yoon Kim and harvardnlp.

工具名称:lamtram

地址:https://github.com/neubig/lamtram

语言:C++/DyNet

简介:

lamtram: A toolkit for language and translation modeling using neural networks.

CMU Graham Neubig博士组开发。

工具名称:Neural Monkey

地址:https://github.com/ufal/neuralmonkey

语言:TensorFlow/Python

简介:The Neural Monkey package provides a higher level abstraction for sequential neural network models, most prominently in Natural Language Processing (NLP). It is built on TensorFlow. It can be used for fast prototyping of sequential models in NLP which can be used e.g. for neural machine translation or sentence classification.

Institute of Formal and Applied Linguistics at Charles University 开发。

(WMT中NEURAL MT TRAINING TASK用的就是Neural Monkey  见:http://www.statmt.org/wmt17/)

工具名称:Neural Machine Translation (seq2seq) Tutorial

地址:https://github.com/tensorflow/nmt

语言:python/Tensorflow

简介:

Google Brain的Thang Luong博士等人出品

如果对上述工具感兴趣,可以使用WMT16的双语语料跑着玩玩,语料地址 http://www.statmt.org/wmt16/translation-task.html。
---------------------
作者:warrioR_wx
来源:CSDN
原文:https://blog.csdn.net/wangxinginnlp/article/details/52944432
版权声明:本文为博主原创文章,转载请附上博文链接!

神经机器翻译(NMT)开源工具的更多相关文章

  1. 【转载 | 翻译】Visualizing A Neural Machine Translation Model(神经机器翻译模型NMT的可视化)

    转载并翻译Jay Alammar的一篇博文:Visualizing A Neural Machine Translation Model (Mechanics of Seq2seq Models Wi ...

  2. 神经机器翻译(NMT)相关资料整理

    作者:zhbzz2007 出处:http://www.cnblogs.com/zhbzz2007 欢迎转载,也请保留这段声明.谢谢! 1 简介 自2013年提出了神经机器翻译系统之后,神经机器翻译系统 ...

  3. TensorFlow+TVM优化NMT神经机器翻译

    TensorFlow+TVM优化NMT神经机器翻译 背景 神经机器翻译(NMT)是一种自动化的端到端方法,具有克服传统基于短语的翻译系统中的弱点的潜力.本文为全球电子商务部署NMT服务. 目前,将Tr ...

  4. 【Machine Translation】CMU的NMT教程论文:最全面的神经机器翻译学习教程

    这是一篇CMU发的神经机器翻译教程论文,很全很详细,适合新手阅读,即使没有什么MT.DNN.RNN的基础知识. 另外它还配套了CMU自己的一个框架DyNet的练习. 全文共9章,从统计语言模型到DNN ...

  5. EMNLP 2018 | 用强化学习做神经机器翻译:中山大学&MSRA填补多项空白

    人工深度学习和神经网络已经为机器翻译带来了突破性的进展,强化学习也已经在游戏等领域取得了里程碑突破.中山大学数据科学与计算机学院和微软研究院的一项研究探索了强化学习在神经机器翻译领域的应用,相关论文已 ...

  6. 神经机器翻译(seq2seq RNN)实现详解

    http://c.biancheng.net/view/1947.html seq2seq 是一类特殊的 RNN,在机器翻译.文本自动摘要和语音识别中有着成功的应用.本节中,我们将讨论如何实现神经机器 ...

  7. NLP教程(6) - 神经机器翻译、seq2seq与注意力机制

    作者:韩信子@ShowMeAI 教程地址:http://www.showmeai.tech/tutorials/36 本文地址:http://www.showmeai.tech/article-det ...

  8. C#正则表达式开源工具,为.net开源绵尽薄力

    先交代一下背景,最近工作中经常用到正则表达式,而正则表达式这个东西我个人觉得很鸡肋,不用吧,有些功能实现起来会很麻烦.用吧,又不是说工作中经常用到,只是有时候有些需要求用到而已.但是正则表达式只要一段 ...

  9. 【转帖】四种BI 开源工具介绍-SpagoBI,openI,JasperSoft,Pentaho

    四种BI 开源工具介绍-SpagoBI,openI,JasperSoft,Pentaho 1 BI系统的简述 从技术角度来说 BI 包含了 ETL.DW.OLAP.DM等多环节.简单的说就是把交易系统 ...

  10. Web 项目可能会用到的20款优秀的开源工具

    开源的应用程序和它们的源代码可以免费获得,因为版权是属于任何进行过修改或者提交代码的人.大多数提供开源软件的公司都可以建立行业标准,因此可以获得有利的竞争优势. 很多的开源应用程序和工具都有很强的替代 ...

随机推荐

  1. pssh 批量管理执行

    pssh 是一个python写的批量执行工具,非常适合30台服务器以内的一些重复性的操作 安装很简单,只要python版本2.4 以上的都行 用这个工作最好把机器做做好ssh信任关系,不然很麻烦 每次 ...

  2. 强类型的HTML模板方法与直接显示模型

    模型: public class Article { [Display(Name="文章")] public string ArticleID { get; set; } [Dis ...

  3. Android buffer_handle_t的定义(转载)

    转自:http://www.cnblogs.com/eustoma/archive/2012/06/08/2541416.html 1. buffer_handle_t 文件位置:system\cor ...

  4. Thinkpad x230i安装Ubuntu10.04发生no network devices available

    这个是由于10.04版本没有集成x230i的网卡驱动导致,需要到http://sourceforge.net/projects/e1000/f ... %20stable/下载最新版本驱动,并安装,之 ...

  5. python 面向对象三 访问权限 下划线 双下划线

    一.双下划线 如果要让内部属性不被外部访问,可以把属性的名称前加上两个下划线__,在Python中,实例的变量名如果以__开头,就变成了一个私有变量(private),只有内部可以访问,外部不能访问. ...

  6. bzoj 3270: 博物馆【dp+高斯消元】

    好像是高斯消元解互相推(?)的dp的例子 首先考虑dp,设f[i][j]为一人在i一人在j的概率,点i答案显然就是f[i][i]: 然后根据题意,得到转移是 \[ f[i][j]=f[i][j]*p_ ...

  7. spring-retry简单demo(附完整代码)

    重试 最近项目要用到重试.开始想自己写,后来想用RetryTemplate,最后想到既然项目用了springboot,还是直接集成spring-retry把. 代码 Application packa ...

  8. 【SpringCloud构建微服务系列】Feign的使用详解

    一.简介 在微服务中,服务消费者需要请求服务生产者的接口进行消费,可以使用SpringBoot自带的RestTemplate或者HttpClient实现,但是都过于麻烦. 这时,就可以使用Feign了 ...

  9. bzoj1233 [Usaco2009Open]干草堆tower 【单调队列dp】

    传送门:http://www.lydsy.com/JudgeOnline/problem.php?id=1233 单调队列优化的第一题,搞了好久啊,跟一开始入手斜率优化时感觉差不多... 这一题想通了 ...

  10. robot framework 入门

    obot framework 入门 2012-12-23 12:47:16 分类: LINUX     其实我不喜欢动不动就框架,动不动就架构,整出一坨专业术语搞的玄而又玄,让人云山雾绕,我想做的事情 ...