torch hub提供了预训练模型，例如：https://pytorch.org/hub/pytorch_fairseq_translation/

这些模型可以在Python中使用，或者通过CLI交互式地使用。在CLI中，可以通过--print-alignment标志获取对齐信息。以下代码在安装了fairseq（和pytorch）后可以在终端中运行：

curl https://dl.fbaipublicfiles.com/fairseq/models/wmt14.v2.en-fr.fconv-py.tar.bz2 | tar xvjf -MODEL_DIR=wmt14.en-fr.fconv-pyfairseq-interactive \    --path $MODEL_DIR/model.pt $MODEL_DIR \    --beam 5 --source-lang en --target-lang fr \    --tokenizer moses \    --bpe subword_nmt --bpe-codes $MODEL_DIR/bpecodes \     --print-alignment

在Python中，可以指定关键字参数verbose和print_alignment：

import torchen2fr = torch.hub.load('pytorch/fairseq', 'transformer.wmt14.en-fr', tokenizer='moses', bpe='subword_nmt')fr = en2fr.translate('Hello world!', beam=5, verbose=True, print_alignment=True)

然而，这只会将对齐信息作为日志消息输出。而且在fairseq 0.9版本中似乎出现了问题，会导致错误消息（问题）。

有没有办法从Python代码中访问对齐信息（或者甚至是完整的注意力矩阵）？

回答：

我浏览了fairseq的代码库，发现了一种输出对齐信息的临时方法。由于这需要编辑fairseq的源代码本身，我认为这不是一个可接受的解决方案。但也许对某人有帮助（我仍然非常感兴趣了解如何正确地做到这一点）。

编辑sample()函数并重写返回语句。这里是整个函数（以帮助您更好地找到它，在代码中），但只需更改最后一行：

def sample(self, sentences: List[str], beam: int = 1, verbose: bool = False, **kwargs) -> List[str]:    if isinstance(sentences, str):        return self.sample([sentences], beam=beam, verbose=verbose, **kwargs)[0]    tokenized_sentences = [self.encode(sentence) for sentence in sentences]    batched_hypos = self.generate(tokenized_sentences, beam, verbose, **kwargs)    return list(zip([self.decode(hypos[0]['tokens']) for hypos in batched_hypos], [hypos[0]['alignment'] for hypos in batched_hypos]))