Alcuni mesi fa ho deciso di imparare a digitare il tocco! So cosa stai pensando… ” Sei un dattilografo più veloce di prima e ne è valsa la pena tutto il dolore?”Direi sicuramente sì e sì. Tuttavia, internet è pieno di simili prima e dopo testimonianze e non ho intenzione di scrivere ancora un altro.
Quello di cui voglio parlare è che sono rimasto davvero sorpreso di quante poche risorse ci siano per praticare la digitazione tattile con i linguaggi di programmazione. Dopo una rapida ricerca su Google probabilmente scoprirai i seguenti siti:
Mentre i suddetti siti sono più i punti di forza, mi permetta di sottolineare alcune delle loro carenze
- Mancanza di variabilità e l’elemento sorpresa
- selezione Manuale dei file di origine e corrispondenti linee di
- Non personalizzabile
- Non typing.com)
- Non abbastanza nerd — non sarebbe possibile farlo da terminale?
Per i motivi di cui sopra, ho deciso di dare un colpo e scrivere il mio software di pratica di digitazione: mltype.
Che cosa fa?
In breve, è uno strumento da riga di comando (scritto in Python). Utilizza reti neurali per generare testo simile a un linguaggio di programmazione (o linguaggio normale). Inoltre, fornisce funzionalità di apprendimento non automatico come la lettura di testo da un file o input standard.
Se ti chiedi che tipo di “rete neurale” c’è dietro, ti incoraggerei a (ri)leggere l’irragionevole efficacia delle reti neurali ricorrenti di Andrej Karpathy. mltype sta facendo più o meno la stessa cosa in background. Per essere precisi, esiste un modello di linguaggio a livello di carattere. Sputa una distribuzione di probabilità sul carattere successivo dato caratteri precedenti. Soprattutto, cerca di nascondere tutta la complessità e i dettagli noiosi della formazione e dell’inferenza da parte dell’utente. La generazione di testo da un modello esistente e la formazione di un nuovo modello possono essere eseguite in un singolo comando.
Di seguito sono riportati alcuni esempi di diversi linguaggi di programmazione. Tutti i modelli che li hanno generati e molti altri modelli pre-addestrati sono disponibili per il download (vedi il README.md su github).
Esempi
Vuoi provare?
Se volete saperne di più e provare voi stessi visitare i link qui sotto!
- github: https://github.com/jankrepl/mltype
- documenti: https://mltype.readthedocs.io/en/latest/