李林 编译整理 量子位 出品 | 公众号 QbitAI
还记得Facebook那篇用CNN做机器翻译的论文吗？Convolutional Sequence to Sequence Learning。
在那篇论文中，Facebook的研究人员们展示了他们的研究成果：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。
最近，Facebook又开源了fairseq的PyTorch版：fairseq-py。
根据Facebook在GitHub上的介绍，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%。
fairseq-py的GitHub链接： https://github.com/facebookresearch/fairseq-py
论文Convolutional Sequence to Sequence Learning： https://arxiv.org/abs/1705.03122
Torch版GitHub链接： https://github.com/facebookresearch/fairseq
用户论坛： https://groups.google.com/forum/#!forum/fairseq-users
