文件名称：深度学习研究人员的自然语言处理教程-Python开发
文件大小：80KB
文件格式：ZIP
更新时间：2024-06-14 04:45:25
Python Natural Language Processing
nlp-tutorial是针对谁正在使用TensorFlow和Pytorch学习NLP（自然语言处理）的教程。 NLP中的大多数模型都是用少于100行的代码实现的。 nlp-tutorial nlp-tutorial是针对谁正在使用TensorFlow和Pytorch研究NLP（自然语言处理）的教程。 NLP中的大多数模型都使用不到100行代码来实现。（注释或空白行除外）课程-（示例用途）1.基本嵌入模型1-1。 NNLM（神经网络语言模型）-预测下一篇论文-神经概率语言模型（2003）Colab-NNLM_Tensor.ipynb，NNLM_Torch.ipynb 1-2。 Word2Vec（Skip-gram）-嵌入单词
【文件预览】：
nlp-tutorial-master
----3-3.Bi-LSTM()
--------Bi-LSTM.py(3KB)
--------Bi-LSTM.ipynb(4KB)
----1-1.NNLM()
--------NNLM.ipynb(4KB)
--------NNLM.py(3KB)
----4-1.Seq2Seq()
--------Seq2Seq.py(4KB)
--------Seq2Seq.ipynb(6KB)
----2-1.TextCNN()
--------TextCNN.ipynb(5KB)
--------TextCNN.py(3KB)
----4-3.Bi-LSTM(Attention)()
--------Bi-LSTM(Attention).ipynb(6KB)
--------Bi-LSTM(Attention).py(4KB)
----.github()
--------workflows()
----archive()
--------tensorflow()
----1-3.FastText()
--------FastText.ipynb(56KB)
--------test.txt(17B)
--------train.txt(150B)
----LICENSE(1KB)
----CONTRIBUTING.md(448B)
----5-2.BERT()
--------BERT.ipynb(15KB)
--------BERT.py(11KB)
----1-2.Word2Vec()
--------Word2Vec-Skipgram(Softmax).ipynb(4KB)
--------Word2Vec-Skipgram(Softmax).py(3KB)
----3-1.TextRNN()
--------TextRNN.py(3KB)
--------TextRNN.ipynb(5KB)
----.gitignore(6B)
----4-2.Seq2Seq(Attention)()
--------Seq2Seq(Attention).py(5KB)
--------Seq2Seq(Attention).ipynb(7KB)
----3-2.TextLSTM()
--------TextLSTM.ipynb(4KB)
--------TextLSTM.py(2KB)
----README.md(5KB)
----5-1.Transformer()
--------Transformer(Greedy_decoder).py(12KB)
--------Transformer(Greedy_decoder).ipynb(15KB)
--------Transformer.py(11KB)
--------Transformer.ipynb(14KB)