文件名称：keras-bert:BERT的实现可以加载官方的预训练模型以进行特征提取和预测
文件大小：1.22MB
文件格式：ZIP
更新时间：2024-05-02 22:55:15
keras language-model bert Python
凯拉斯·伯特 [| ] 实现。 可以加载官方的预训练模型以进行特征提取和预测。 安装 pip install keras-bert 用法 使用热身 下载预先训练的检查点 提取功能 外部链接 Kashgari是可用于文本标签和文本分类的生产就绪NLP转移学习框架 凯拉斯·阿尔伯特 加载官方预训练模型 在特征提取演示中，您应该能够获得与官方模型chinese_L-12_H-768_A-12相同的提取结果。 并且在预测演示中，可以预测句子中丢失的单词。 在TPU上运行 提取演示演示了如何转换为在TPU上运行的模型。 分类演示显示了如何将模型应用于简单的分类任务。 分词器 Tokenizer类用于拆分文本并生成索引： from keras_bert import Tokenizer token_dict = { '[CLS]' : 0 , '[SEP]' : 1
【文件预览】：
keras-bert-master
----MANIFEST.in(88B)
----.github()
--------stale.yml(36B)
--------ISSUE_TEMPLATE()
----keras_bert()
--------tokenizer.py(11KB)
--------util.py(6KB)
--------layers()
--------backend.py(890B)
--------__init__.py(169B)
--------datasets()
--------bert.py(12KB)
--------loader.py(8KB)
--------optimizers()
----requirements-dev.txt(83B)
----README.zh-CN.md(10KB)
----requirements.txt(45B)
----publish.sh(83B)
----demo()
--------load_model()
--------tune()
--------visualization()
----.travis.yml(897B)
----LICENSE(1KB)
----test.sh(211B)
----setup.py(1KB)
----README.md(8KB)
----tests()
--------test_tokenizer.py(4KB)
--------layers()
--------test_util.py(4KB)
--------test_loader.py(3KB)
--------test_checkpoint()
--------__init__.py(0B)
--------test_bert.py(5KB)
--------datasets()
--------test_bert_fit.h5(1.65MB)
--------optimizers()
----.gitignore(1KB)
----CHANGELOG.md(1KB)