近日，谷歌宣布开源大规模语言建模模型库，这项名为“探索RNN极限”的研究今年2月发表时就引发激论，如今姗姗来迟的开源更加引人瞩目。研究测试取得了极好的成绩，另外开源的数据库含有大约10亿英语单词，词汇有80万，大部分是新闻数据。这是典型的产业研究，只有在谷歌这样的大公司才做得出来。这次开源也应该会像作者希望的那样，在机器翻译、语音识别等领域起到推进作用。

开源部分包括：

• TensorFlow GraphDef proto buffer 文本文件

• TensorFlow 预训练 checkpoint shards

• 评估预训练模型的代码

• 词汇表

• LM-1B 评估测试

代码支持 4 种评估模式：

• 提供数据库，计算模型的 perplexity

• 提供前缀，预测后面一个单词

• softmax 嵌入项，字符级别的 CNN 单词嵌入项

• 输入句子，将转存 LSTM 状态的嵌入项

更多详情查看：开源地址

文章转载自：开源中国社区 [http://www.oschina.net]