注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. PyTorch预训练Bert模型的示例

  2. 本文介绍以下内容： 1. 使用transformers框架做预训练的bert-base模型； 2. 开发平台使用Google的Colab平台，白嫖GPU加速； 3. 使用datasets模块下载IMDB影评数据作为训练数据。 transformers模块简介 transformers框架为Huggingface开源的深度学习框架，支持几乎所有的Transformer架构的预训练模型。使用非常的方便，本文基于此框架，尝试一下预训练模型的使用，简单易用。 本来打算预训练bert-large模型，发现

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：103424
    • 提供者：weixin_38698311

  1. nlp_notes:自然语言处理学习笔记：机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。

  2. 自然语言处理学习笔记 机器学习及深度学习原理和示例，基于Tensorflow和PyTorch框架，Transformer，BERT，ALBERT等最新预训练模型以及源代码详解，以及基于预训练模型进行各种自然语言处理任务。以及模型部署 两种传统的模型： 基于规则或模板生成对话系统 基于概率的语言模型利用语料数据，实现了简略的2-gram模型，并利用该模型判断句子的合理性 根据中国城市的位置信息，实现简单的路径规划系统 根据武汉地铁的各站点的位置信息，实现简单的路径规划系统 图的广度优先搜索及深度优

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：26214400
    • 提供者：weixin_42115003

  1. RecAdam:RecAdam纸的代码-源码

  2. 雷亚当 介绍 我们提供了RecAdam （召回亚当）优化器，以促进微调深度预训练的语言模型（例如BERT，ALBERT），从而减少遗忘。 有关详细的描述和实验结果，请参阅我们的论文：（EMNLP 2020接受）。 环境 python > = 3.6 pytorch > = 1.0.0 transformers > = 2.5.1 档案文件 RecAdam.py ：此文件包括RecAdam优化器实现，该实现由从AdamW优化器实现修改而来。 run_glue_with_Rec

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：17408
    • 提供者：weixin_42116921

  1. nvidia-bert：在NVIDIADeepLearningExamplesPyTorchLanguageModelingBERT的fork上使用onnxruntime后端-源码

  2. BERT对于PyTorch 该存储库提供了脚本和配方来训练PyTorch的BERT模型，以实现最先进的准确性，并且已由NVIDIA测试和维护。 此示例包含Microsoft进行的修改，以将onnxruntime用作PyTorch的培训后端。 性能数字来自原始的NVIDIA存储库，并不反映onnxruntime的使用。 目录 型号概述 BERT，或来自变压器的双向编码器表示，是一种预训练语言表示的新方法，它可以在各种自然语言处理（NLP）任务中获得最新的结果。 该模型基于 。 NVIDIA的BE

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：435200
    • 提供者：weixin_42171208

  1. 使用FastAPI部署用于情感分析的BERT：使用FastAPI，通过拥抱Face和PyTorch的Transformers将BERT用于情感分析的REST API部署-源码

  2. 使用FastAPI部署用于情绪分析的BERT 使用FastAPI将预训练的BERT模型作为REST API进行情感分析 演示版 该模型经过训练，可以根据Google Play上的应用评论对自定义数据集上的情绪（消极，中立和积极）进行分类。 这是对API的示例请求： http POST http://127.0.0.1:8000/predict text= " Good basic lists, i would like to create more lists, but the annual

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：20480
    • 提供者：weixin_42134117