神经机器翻译的训练数据可以从多个来源获得。以下是一些常见的方法：

  1. 平行语料：神经机器翻译最常用的是平行语料，即包括源语言和目标语言的句子对。这些平行语料可以是专门为翻译任务收集的，也可以是从互联网、书籍、新闻文章等公开的资源中获取的。平行语料通常经过专业人员的人工翻译。

  2. 网页对齐：从互联网中获取大量的源语言文本和对应的目标语言文本，然后使用网页对齐技术将它们进行匹配，构建平行句子对。

  3. 字幕和翻译记忆库：字幕是电影、电视剧和视频游戏中的文本，通常包含了已经翻译的对白或字幕。这些字幕可以用作训练数据。同样地，已经进行过翻译的文本也可以用于神经机器翻译的训练。

  4. 专业翻译机构和语料库：一些专业翻译机构和语料库可能会提供用于研究和开发的训练数据。这些数据可能是从专业翻译人员的工作中收集的，通常具有高质量的翻译。

  5. 众包：通过在线平台，如Amazon Mechanical Turk等，可以将翻译任务分发给众多志愿者。这些志愿者可以根据预先设定的规则进行翻译，从而获取训练数据。

  在获得训练数据之后，通常还需要对数据进行预处理，如分词、标记化和正规化等，以便输入神经网络进行训练。此外，数据的质量和数量对神经机器翻译的性能也有重要影响。因此，要尽量选择高质量的平行语料并增加训练数据量，以提高翻译的准确性和流畅度。