文件名称：PyTorch教程到序列标签：使用任务感知神经语言模型增强序列标签| PyTorch教程进行序列标记
文件大小：6.47MB
文件格式：ZIP
更新时间：2024-02-24 12:12:54
nlp crf pytorch language-model pos-tagging
这是序列标记的教程。 这是我正在编写的第二篇，介绍了如何使用令人惊叹的PyTorch库自己实现酷模型。 假定具有PyTorch的基础知识，递归神经网络。 如果您是PyTorch的新手，请先阅读PyTorch的和 。 问题，建议或更正可以作为问题发布。 我在Python 3.6使用PyTorch 0.4 。 2020年1月27日：添加了两个新教程的工作代码-和 内容 目的 建立一个可以用实体，词性等标记句子中每个单词的模型。 我们将实现。 它比大多数序列标记模型要先进，但是您将学到许多有用的概念，并且效果非常好。 作者的原始实现可以在找到。 此模型非常特殊，因为它通过与语言模型同
【文件预览】：
a-PyTorch-Tutorial-to-Sequence-Labeling-master
----models.py(15KB)
----img()
--------highway.png(1KB)
--------vloss3.png(2KB)
--------checks2.jpg(366KB)
--------nothighway.png(855B)
--------word.jpg(320KB)
--------vscore.png(2KB)
--------tagscores.jpg(852KB)
--------backchar.jpg(250KB)
--------vloss1.png(2KB)
--------ill.jpg(389KB)
--------framework.png(119KB)
--------backtrace.jpg(397KB)
--------tagscores0.jpg(820KB)
--------configs.jpg(145KB)
--------sorted.jpg(318KB)
--------end2.jpg(321KB)
--------update.png(2KB)
--------forwchar.jpg(258KB)
--------end1.jpg(779KB)
--------dunston.jpg(550KB)
--------model.jpg(322KB)
--------dci.jpg(36KB)
--------checks1.jpg(847KB)
--------in2.jpg(317KB)
--------crfscores.jpg(757KB)
--------in1.jpg(734KB)
--------loss.png(1KB)
----utils.py(13KB)
----inference.py(3KB)
----train.py(16KB)
----datasets.py(1KB)
----dynamic_rnn.py(3KB)
----LICENSE(1KB)
----README.md(41KB)