• 引言
• 在线演示
• 启动位置
• 显著特征
• 文档
• 许可证
• 引用
• 开发团队
• 联系人
• 衍生存储库

机器翻译是一种自然语言处理任务，旨在使用计算机自动翻译自然语言。近几年来，端到端神经机器翻译发展迅速，已成为实际机器翻译系统中新的主流方法。

THUMT是一个用于神经机器翻译的开源工具包，由清华大学自然语言处理小组。THUMT的网站是：http://thumt.thunlp.org/。

THUMT的在线演示位于网址：http://translate.thumt.cn/所涉及的语言包括古代汉语、阿拉伯语、汉语、英语、法语、德语、印度尼西亚语、日语、葡萄牙语、俄语和西班牙语。

THUMT目前有三种主要实现：

• THUMT-PyTorch火炬：使用开发的新实现PyTorch公司它实现了Transformer模型(变压器) (Vaswani等人，2017年).

• THUMT-张力流：使用开发的实现TensorFlow公司它实现了序列到序列模型(序号2Seq) (Sutskever等人，2014年)，标准的基于注意力的模型(RNN搜索) (Bahdanau等人，2014年)和Transformer模型(变压器) (Vaswani等人，2017年).

• THUMT剧院：与开发的原始项目西雅娜，不再更新，因为MLA结束了西雅娜.它实现了标准的基于注意力的模型(RNN搜索) (Bahdanau等人，2014年)、最低风险培训(地铁) (沈等，2016)针对评估指标优化模型参数，半监督训练(不锈钢) (Cheng等人，2016年)利用单语语料库学习双向翻译模型和分层关联传播(轻轨列车) (丁等人，2017年)用于可视化和分析RNN搜索。

下表总结了三种实现的功能：

我们建议使用THUMT-PyTorch火炬或THUMT-张力流，其翻译性能优于THUMT-Theano公司。我们将继续向添加新功能THUMT-PyTorch火炬和THUMT-张力流。

• 变压器(Vaswani等人，2017年)
• 多GPU训练和解码
• 多人分散培训
• 混合精度训练和解码
• 模型集合与平均
• 梯度聚集
• 用于可视化的TensorBoard

PyTorch实现的文档可在在这里。

源代码是双重授权的。开放源代码许可是在BSD-3条款，允许免费用于研究目的。有关商业许可，请发送电子邮件thumt17@gmail.com。

请引用以下文件：

谭志兴、张嘉诚、黄宣成、陈刚、王朔、孙茂松、栾焕波、杨柳。THUMT：一个用于神经机器翻译的开源工具包AMTA 2020年。

张嘉诚、丁燕卓、沈世奇、郑勇、孙茂松、栾焕波、杨柳。2017THUMT：一个用于神经机器翻译的开源工具包.arXiv:1706.06415。

项目负责人：孙茂松,杨柳、环波栾

项目成员：

Theano：张嘉诚、丁彦卓、沈世奇、郑勇

TensorFlow：谭志兴、张嘉诚、黄宣成、陈刚、王朔、杨宗翰

火炬手：谭志兴、陈刚

如果您有问题、建议和错误报告，请发送电子邮件thumt17@gmail.com。

• UCE4BT型（使用基于不确定性的置信度估计改进回译）
• L2副本4APE（学习复制以进行自动后期编辑）
• 变压器文件（利用文档级上下文改进变压器翻译模型）
• PR4不高于（使用后验正则化进行神经机器翻译的先验知识集成）