fairseq源码分析（一）——fairseq简介与安装

写在前面的话

最近一直在阅读fairseq源码，发现关于fairseq的资源除了官方文档，没太有其他的资源，故想做一期关于fairseq源码的分享，也为了帮助更多入门nlp的人，同时也请大家批评指正。
本系列博客大体的流程是：
1、fairseq的介绍与安装
2、fairseq的注册机制
3、fairseq中的task
4、fairseq中的model
5、fairseq中的criterions
6、fairseq的训练流程
7、fairseq的推断
8、训练一个自己的机器翻译模型
本文所使用的fairseq版本为fairseq-0.6.2，工作环境为macbook pro+pycharm+redhat服务器（8 X Nvidia RTX 2080）。

首先让我们来看一下什么是fairseq

官网对于fairseq的介绍如下：

Fairseq(-py) is a sequence modeling toolkit that allows researchers and developers to train custom models for translation, summarization, language modeling and other text generation tasks.

意为fairseq是一个工具库，通过这个工具库你可以设计自己的模型来完成不同的nlp任务，如：机器翻译、文本摘要、语言模型等等。
总的来说fairseq是Facebook开源的一个nlp的工具库，它是对pytorch的上层封装，其基础代码也是通过pytorch编写。
其有非常多的特性，这里不展开讨论，在接下来的文章中会对每一部分进行讨论，这里仅仅展示其主要的一些特性：

如何安装fairseq？

前面一经提到，fairseq基于pytorch，则其安装必然需要python与pytorch的基础环境，其具体的环境需要为：

• pytorch >= 1.5.0（节选自官网fairseq-0.10版本）
• python >= 3.6
  同时为了能够快速训练模型，你的机器至少应该有一块Nvidia的GPU，那么对应的也需要有cuda环境。
  在有了上述环境后，就可以安装fairseq了，其具体的命令为：

git clone https://github.com/pytorch/fairseq
cd fairseq
pip install --editable ./

下篇博文，让我们一起看一下，fairseq的注册机制
fairseq源码分析（二）——fairseq注册机制