【Mind+-AI项目】离线机器翻译的实现

项目背景介绍   
基于神经网络的机器翻译是一种利用深度学习技术来翻译自然语言的现代翻译方法。与传统的统计机器翻译系统不同，神经机器翻译（NMT）通过端到端的神经网络模型实现，从输入句子的编码到生成目标句子的解码，形成一个统一的框架。

神经网络机器翻译系统往往采用编码器——解码器结构。编码器负责将元语言输入转换成抽象的语义表示，解码器则根据这种表示生成目标语言的输出。
Hugging face 社区发布了1008种机器翻译模型，涵盖140种不同语言组合，包括中文到英文、英文到法语、法语到阿拉伯语等。其中opus-mt-zh-en模型是由Helsinki-NLP（Language Technology Research Group at the University of Helsinki）开发的一个用于中文到英文翻译的模型，与之相应的还有一个模型为opus-mt-en-zh英译种模型。基于这两个模型能使我们轻松实现离线的中英文互译。
    本篇文章来分享通过Mind+实现离线中英文翻译的实现步骤。

第一步：加载机器翻译库   

打开Mind+,在python模式下，点击左下角扩展。

在用户库中输入以下链接，点击搜索：liMengya_10204507415/mind+扩展库。然后点击加载用户库。加载成功后，会自动检测本地电脑环境是否存在相关库，如果库缺失，会弹出提示框自动下载相关库。

第二步：编程

接下来。就可以进行编程了。以下是一种基础使用模式。

第三步：导入相应模型文件

离线翻译的实现需要翻译模型（编码器，分词器，解码器等），在本图形化库中默认翻译模型的文件路径为相对路径，即”项目中的文件“目录下。因此，我们需要将模型文件夹拖入”项目中的文件目录下“。这两个模型均为huggingface社区下载的开源中译英模型和英译中模型

将模型文件导入成功就能点击运行，查看结果啦。

（PS：当然你可以使用绝对路径填入模型文件，例如以下图示）

目前这个机器翻译库仅支持使用本地电脑的算力进行机器翻译。