Lingvo 是國際性語言世界語中的一個單詞，意為 “語言”。此名稱寓指 Lingvo 框架的根基，即它是使用 TensorFlow 開發(fā)的一款通用深度學習框架，側重于針對語言相關任務（例如機器翻譯、語音識別和語音合成）的序列模型。

此框架在 Google 內部非常受歡迎，使用它的研究人員也越來越多。目前已發(fā)表 數(shù)十篇使用 Lingvo 獲得頂尖成果的論文，未來還會有更多論文面世。Lingvo 支持多種架構，從傳統(tǒng)的循環(huán)神經網絡 (RNN) 序列模型到 Transformer 模型，再到包含變分自編碼器 (VAE) 組件的模型，不一而足。為表示對研究社區(qū)的支持，同時鼓勵可復現(xiàn)的研究工作，我們開源了此框架，并開始發(fā)布論文中使用的模型。

圖 1：Lingvo 框架概覽，簡要展示了如何實例化和訓練模型，以及如何將模型導出以進行評估和部署

在構建 Lingvo 時，我們秉持著協(xié)作研究的理念，通過在不同任務之間共享公共層的實現(xiàn)來提升代碼復用率。此外，所有層都采用相同的公共界面，并且以相同的方式布局。這不僅可以產生更簡潔易懂的代碼，還能讓您非常輕松地將其他開發(fā)者為其他任務所做的改進應用到您自己的任務上。執(zhí)行這種一致性的確成本不菲，需要更多的規(guī)則和樣板文件，但 Lingvo 會努力將成本降至最低，以確保在研究過程中更快地進行迭代。

協(xié)作的另一個方面是共享可復現(xiàn)的成果。Lingvo 提供一個集中的位置，用于存儲檢入的模型超參數(shù)配置。這不僅可以用來記錄重要的實驗，還能讓其他研究者通過訓練相同的模型，輕松復現(xiàn)您的成果。

雖然 Lingvo 最初的關注重點是 NLP，但它其實非常靈活，研究人員已經使用此框架成功實現(xiàn)了圖像分割、點云分類等任務的模型。它還支持提煉、生成式對抗網絡 (GAN) 和多任務模型。同時，此框架的速度并未因此而受到影響，它具有經優(yōu)化的輸入管道和快速分布式訓練能力。最后，Lingvo 還將易于實現(xiàn)生產化也納入考慮，它甚至有一條明確定義的路徑，可以將模型移植到移動推理。