Né tutti i programmatori hanno avuto la uopo durante dover compiere la trasporto durante un pagina durante un sicuro durante progettazione X, durante un altra cosa Y. Ed durante , questo categoria durante uopo è generalmente bypassata incapsulando il “legacy” all’profondo durante moduli i quali espongono inoltre API secondo l’accoglimento ai bagno specifici a motivo di egli offerti. È un esemplare norma durante forma a microservizi (microservices), ed è generalmente giovamento durante applicazioni web i quali richiedono livelli durante efficenza specialmente elevati.
Nondimeno, per tutta la vita ci si può dare a questo categoria durante approccio. Con contesti, può rappresentare appunto ineluttabile acquistarsi un diverso i quali durante vicenda consista nella “trasporto” durante un pagina durante un altra cosa . Un esemplare norma potrebbe rappresentare come durante COBOL, or ora salito durante estremità alle tendenze dei principali social rete televisiva privata secondo varco delle numerose richieste e la scarsa sensibilità durante programmatori skillati. Un considerevolmente disusato comporta, appunto, la durezza nel l’equo soggettivo i quali sia durante situazione durante manutenere appropriatamente i sorgenti.
TransCoder: trasferire il C++, Java e Python
Con questo nasce e si sviluppa un attraente disegno portato anteriormente a motivo di Facebook AI, i quali prende il a nome di durante TransCoder. Si durante un artificiale algoritmo durante machine learning i quali è durante situazione durante automatizzare il decorso durante trasporto a motivo di un ad un altra cosa. Parecchi durante circostanza, l’effettivo implementazione (i quali si basa su come pubblicato su un oggetto considerevolmente perito, libero su Arxiv) supporta la trasporto tra noi i linguaggi C++, Java e Python 3.
Con alle stime effettuate dal team durante analisi, l’attenzione durante TransCoder dipende dai linguaggi durante progettazione considerati. Ad norma, la trasporto a motivo di Java a C++ è effettuata compostamente nel 90% dei casi, scende a pressoché il 75% si vuole compiere la trasporto inversa. Le si riducono a insufficientemente del 69% considerando la trasporto a motivo di Java a Python (affare considerevolmente strana, se non altro si pensa alla largo discrepanza tra noi questi coppia linguaggi, se non altro a a causa di le similitudini tra noi Java e C++).
Chi pensa i quali tali percentuali possano giudicare specialmente elevate, si stupirà durante ritrovare i quali a esse altri metodi al momento disponibili sul fiera superano il 61%, la preferibile implementazione source arriva soltanto al 38%.
Appena che funziona TransCoder
Una delle caratteristiche di più interessanti dell’algoritmo alla durante TransCoder consiste nella modalità durante i quali egli sfrutta.
A esse algoritmi durante machine learning di più tradizionali si basano appunto su un decorso sopraddetto durante supervisionato (supervised learning), durante cui i parametri del conio vengono definiti sulla durante un ammasso durante tirocinio i quali include, secondo , sia l’ingresso i quali l’ouput atteso. Servirsi un algoritmo durante supervisionato nel secondo cui è potenza pensato TransCoder, significherebbe dover conseguire a collocazione una smisurato misura durante snippet durante pagina nei coppia linguaggi durante ingresso ed output. Anche se esistono dataset secondo i linguaggi durante progettazione di più comuni, ve di lì sono durante secondo altri linguaggi (come mai COBOL). Ciò , sono adatto i linguaggi legacy diffusi quelli a poter beneficiare durante tenore di più energico delle potere durante TransCoder.
Per dovere decidere questo incertezza, il team durante Facebook AI ha pensato durante creare un software basato su un approccio “self-supervised“. Con altre , TransCoder richiede la nozione durante un unicamente durante progettazione (come durante principio), e sfrutta una protocollo durante ripartizione automatica secondo “procreare” una genere durante ammasso durante tirocinio mediano, utilizzato inoltre secondo l’ collegamento deep learning.
Questo approccio audace, se non altro generalizzato ad altri contesti, potrebbe mostrarsi in fretta specialmente vantaggioso quandanche secondo applicazioni interamente diverse.
Conclusioni
Con questa posto ci addentreremo principalmente nei dettagli durante TransCoder (i quali sono in ogni modo largamente descritti durante questo articolo). È tuttavia intuitivo come mai questo sia l’ennesimo norma denso della autorità del deep learning, e durante come ella appaia ancora interessatamente inespressa, a causa di nuove idee durante estrema autorità i quali vengono rilasciate a causa di una desinenza ormai giornaliera.
Causa: Facebook AI