MT manage

boost_date_time-vc100-mt-1_49.dll

国内图形界面的Python版 tkinter 的资料非常缺乏，很多大学生都来问我要代码，这里上传系列国外视频，加上机器翻译的中文字幕，共大家参考，如果需要讲解，就请多转发点赞。还可以直接订阅我的专栏，我会在那里分享更干的干货。

OVP开放虚拟平台的用户手册，该版本为机器翻译版本，翻译的质量不是特别好，对英文不好的同学来说还是有极大帮助的，阅读时需对照英文原版，整体来说还不错的。

机器翻译WMT14数据集，ACL2014公布的share task，很多模型都在这上benchmark

matlab代码左移神经机器翻译（seq2seq）教程 作者：Thang Luong，Eugene Brevdo，赵瑞 此版本的教程要求。 要使用稳定的TensorFlow版本，请考虑其他分支，例如。 介绍 序列到序列（seq2seq）模型（，）在各种任务（例如机器翻译，语音识别和文本摘要）中都取得了巨大的成功。 本教程为读者提供了对seq2seq模型的全面理解，并展示了如何从头开始构建具有竞争力的seq2seq模型。 我们专注于神经机器翻译（NMT）的任务，这是带有wild的seq2seq模型的第一个测试平台。 所包含的代码轻巧，高质量，可立即投入生产，并结合了最新的研究思路。 我们通过以下方式实现这一目标： 使用最新的解码器/注意包装器，TensorFlow 1.2数据迭代器 结合我们在构建递归模型和seq2seq模型方面的专业知识 提供有关构建最佳NMT模型和复制的提示和技巧。 我们认为，提供人们可以轻松复制的基准非常重要。 因此，我们提供了完整的实验结果，并在以下公开可用的数据集上对模型进行了预训练： 小型：由ET提供的TED演讲的英语-越南语平行语料库（133K句子对）。 大

神经机器翻译 这是使用Encoder-Decoder机制以及Attention机制（（ ）于2016年引入的神经机器翻译的一种实现。Encoder-decoder体系结构通常使用一种编码器，该编码器对将源句子转换成固定长度的向量，解码器根据该向量生成翻译。 本文推测使用固定长度向量是提高此基本编码器-解码器体系结构性能的瓶颈，并建议通过允许模型自动（软）搜索源语句的一部分来扩展此范围。与预测目标词相关，而不必明确地将这些部分形成为一个困难的部分。 编码器： seq2seq网络的编码器是RNN，它为输入句子中的每个单词输出一些值。 对于每个输入字，编码器输出一个向量和一个隐藏状态，并将隐藏状态用于下一个输入字。 解码器： 在最简单的seq2seq解码器中，我们仅使用编码器的最后一个输出。 最后的输出有时称为上下文向量，因为它对整个序列中的上下文进行编码。 该上下文向量用作解码器的初始隐

【中文】【吴恩达课后编程作业】Course 5 - 序列模型 - 第三周作业 - 机器翻译与触发词检测

人机交互式机器翻译方法研究与实现.pdf

轻量级机器翻译数据集，en-cn为英文与中文，en-fr为英文与法文