fairseq2
v0.2.0
文档：稳定，每晚|安装：Linux、macOS、Windows、从源代码|贡献：指南
fairseq2 是一个序列建模工具包，允许研究人员和开发人员训练用于翻译、摘要、语言建模和其他内容生成任务的自定义模型。它也是 fairseq 的继承者。
访问我们的文档网站。
对于最近的更改，您可以查看我们的更改日志。
截至今天，fairseq2 中提供了以下模型：
fairseq2 还被各种外部项目使用，例如：
fairseq2 依赖于 libsndfile，它可以通过大多数 Linux 发行版上的系统包管理器安装。对于基于 Ubuntu 的系统，运行：
sudo apt install libsndfile1同样，在 Fedora 上，运行：
sudo dnf install libsndfile对于其他 Linux 发行版，请查阅其有关如何安装软件包的文档。
要在 Linux x86-64 上安装 fairseq2，请运行：
pip install fairseq2此命令将安装与 PyPI 上托管的 PyTorch 兼容的 fairseq2 版本。
目前，我们不为基于 ARM 的系统（例如 Raspberry PI 或 NVIDIA Jetson）提供预构建包。请参阅从源代码安装以了解如何在这些系统上构建和安装 fairseq2。
除了 PyPI 之外，fairseq2 还具有可用于 FAIR 包存储库上托管的不同 PyTorch 和 CUDA 版本的预构建包。以下矩阵显示了支持的组合。
| 公平序列2 | 火炬 | Python | 变体* | 拱 |
|---|---|---|---|---|
HEAD | 2.5.0 , 2.5.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 , cu124 | x86_64 |
2.4.0 2.4.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 , cu124 | x86_64 | |
2.3.0 2.3.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 | x86_64 | |
0.3.0 | 2.5.0 , 2.5.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 , cu124 | x86_64 |
2.4.0 2.4.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 , cu124 | x86_64 | |
2.3.0 2.3.1 | >=3.10 ， <=3.12 | cpu , cu118 , cu121 | x86_64 | |
0.2.0 | 2.1.1 | >=3.8 ， <=3.11 | cpu , cu118 , cu121 | x86_64 |
2.0.1 | >=3.8 ， <=3.11 | cpu , cu117 , cu118 | x86_64 | |
1.13.1 | >=3.8 ， <=3.10 | cpu , cu116 | x86_64 |
* cuXYZ 指 CUDA XY.Z（例如 cu118 表示 CUDA 11.8）
要安装特定组合，请首先按照 pytorch.org 上所需 PyTorch 版本的安装说明进行操作，然后使用以下命令（针对 PyTorch 2.5.1和变体cu124显示）：
pip install fairseq2
--extra-index-url https://fair.pkg.atmeta.com/fairseq2/whl/pt2.5.1/cu124警告
fairseq2 依赖于 PyTorch 的 C++ API，该 API 在版本之间没有 API/ABI 兼容性。这意味着您必须安装与您的 PyTorch 版本完全匹配的 fairseq2 变体。否则，您可能会遇到诸如进程立即崩溃或虚假段错误之类的问题。出于同样的原因，如果您升级 PyTorch 版本，则还必须升级 fairseq2 安装。
对于 Linux，我们还在 FAIR 的软件包存储库上托管夜间构建。支持的变体与上面的变体中列出的相同。安装所需的 PyTorch 版本后，您可以使用以下命令安装相应的 nightly 软件包（针对 PyTorch 2.5.1和变体cu124显示）：
pip install fairseq2
--pre --extra-index-url https://fair.pkg.atmeta.com/fairseq2/whl/nightly/pt2.5.1/cu124fairseq2 依赖于 libsndfile，可以通过 Homebrew 安装：
brew install libsndfile要在基于 ARM64（即 Apple 芯片）的 Mac 计算机上安装 fairseq2，请运行：
pip install fairseq2此命令将安装与 PyPI 上托管的 PyTorch 兼容的 fairseq2 版本。
目前，我们不提供适用于基于 Intel 的 Mac 计算机的预构建软件包。请参阅从源代码安装以了解如何在 Intel 机器上构建和安装 fairseq2。
除了 PyPI 之外，fairseq2 还具有可用于 FAIR 包存储库上托管的不同 PyTorch 版本的预构建包。以下矩阵显示了支持的组合。
| 公平序列2 | 火炬 | Python | 拱 |
|---|---|---|---|
0.3.0 | 2.5.1 | >=3.10 ， <=3.12 | arm64 |
要安装特定组合，请首先按照 pytorch.org 上所需 PyTorch 版本的安装说明进行操作，然后使用以下命令（针对 PyTorch 2.5.1显示）：
pip install fairseq2
--extra-index-url https://fair.pkg.atmeta.com/fairseq2/whl/pt2.5.1/cpu警告
fairseq2 依赖于 PyTorch 的 C++ API，该 API 在版本之间没有 API/ABI 兼容性。这意味着您必须安装与您的 PyTorch 版本完全匹配的 fairseq2 变体。否则，您可能会遇到诸如进程立即崩溃或虚假段错误之类的问题。出于同样的原因，如果您升级 PyTorch 版本，则还必须升级 fairseq2 安装。
对于 macOS，我们还在 FAIR 的包存储库上托管夜间构建。支持的变体与上面的变体中列出的相同。安装所需的 PyTorch 版本后，您可以使用以下命令安装相应的 nightly 软件包（以 PyTorch 2.5.1为例）：
pip install fairseq2
--pre --extra-index-url https://fair.pkg.atmeta.com/fairseq2/whl/nightly/pt2.5.1/cpufairseq2 没有对 Windows 的本机支持，并且在可预见的将来也没有计划支持它。但是，您可以通过适用于 Linux 的 Windows 子系统（又名 WSL）以及 WSL 2 中引入的完整 CUDA 支持来使用 fairseq2。请按照“在 Linux 上安装”部分中的说明进行基于 WSL 的安装。
请参阅此处。
我们始终欢迎对 fairseq2 做出贡献！请参阅贡献指南，了解如何格式化、测试和提交您的作品。
如果您在研究中使用 fairseq2 并希望参考它，请使用以下 BibTeX 条目。
@software{balioglu2023fairseq2,
author = {Can Balioglu},
title = {fairseq2},
url = {http://github.com/facebookresearch/fairseq2},
year = {2023},
}
该项目已获得 MIT 许可，如 LICENSE 文件中所示。
