Neural Monkey: An Open-source Tool for Sequence Learning
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10372014" target="_blank" >RIV/00216208:11320/17:10372014 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1515/pralin-2017-0001" target="_blank" >http://dx.doi.org/10.1515/pralin-2017-0001</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1515/pralin-2017-0001" target="_blank" >10.1515/pralin-2017-0001</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural Monkey: An Open-source Tool for Sequence Learning
Popis výsledku v původním jazyce
In this paper, we announce development of Neural Monkey - an open-source neural machine translation (NMT) and general sequence-to-sequence learning system built over TensorFlow machine learning library. The system provides a high-level API with support for fast prototyping of complex architectures with multiple sequence encoders and decoders. These models' overall architecture is specified in easy-to-read configuration files. The long-term goal of Neural Monkey project is to create and maintain a growing collection of implementations of recently proposed components or methods, and therefore it is designed to be easily extensible. The trained models can be deployed either for batch data processing or as a web service. In the presented paper, we describe the design of the system and introduce the reader to running experiments using Neural Monkey.
Název v anglickém jazyce
Neural Monkey: An Open-source Tool for Sequence Learning
Popis výsledku anglicky
In this paper, we announce development of Neural Monkey - an open-source neural machine translation (NMT) and general sequence-to-sequence learning system built over TensorFlow machine learning library. The system provides a high-level API with support for fast prototyping of complex architectures with multiple sequence encoders and decoders. These models' overall architecture is specified in easy-to-read configuration files. The long-term goal of Neural Monkey project is to create and maintain a growing collection of implementations of recently proposed components or methods, and therefore it is designed to be easily extensible. The trained models can be deployed either for batch data processing or as a web service. In the presented paper, we describe the design of the system and introduce the reader to running experiments using Neural Monkey.
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
The Prague Bulletin of Mathematical Linguistics
ISSN
0032-6585
e-ISSN
—
Svazek periodika
Neuveden
Číslo periodika v rámci svazku
107
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
13
Strana od-do
5-17
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—