李林 编译自 Google Research Blog
量子位 报道 | 公众号 QbitAI
想自己在TensorFlow上搭神经机器翻译(NMT)模型？Google亲自来教你了。
周三，Google在GitHub上发布了一份TensorFlow神经机器翻译教程，带着读者充分理解seq2seq，并从零开始构建翻译模型。
一个seq2seq模型
seq2seq直译成汉语是“序列到序列”，是机器翻译中一种常用方法，能够用深层神经网络捕捉句子意义。
Google Translate就用了seq2seq，Google开源的tf-seq2seq、哈佛大学的OpenNMT，都是基于seq2seq的框架。
Google的这份教程，从神经机器翻译的背景知识讲起，然后详解了基础系统的代码细节，再讲到NMT系统处理长句的关键：注意力机制。最后，这份教程还详细介绍了如何复制Google神经机器翻译系统(GNMT)的关键功能，并在多个GPU上进行训练。
教程中还包含了详细的基准测试结果。Google开源模型的性能与GNMT相当，在WMT’14英语-德语翻译任务上，BLEU得分为24.4。
另外，这份教程还展示了完全动态的seq2seq API，让建立seq2seq模型更简单。
Google神经机器翻译教程的主要作者有：Google研究员Thang Luong、Google Brain软件工程师Eugene Brevdo、Rui Zhao。
原文：
https://research.googleblog.com/2017/07/building-your-own-neural-machine.html
教程详情：
https://github.com/tensorflow/nmt
GNMT简介：
https://research.google.com/pubs/pub45610.html
【完】
“
