文件名称：pytorch-question-answering：使用PyTorch进行问答的重要论文实施
文件大小：12.19MB
文件格式：ZIP
更新时间：2024-02-24 12:24:42
nlp natural-language-processing tutorial deep-learning pytorch
PyTorch问答 该存储库包含一些最重要的问题解答论文的实现。 这些实现以教程的形式进行，并且大致是所述论文的注释。 对于那些了解深度学习和NLP基础知识，想要开始阅读稍微复杂的论文并了解其实现方式的人来说，该存储库可能会有所帮助。 尽管我已尽力以简单的方式分解所有内容，但该存储库还假定您对PyTorch基础有所了解。 问题回答 问答是一项重要的任务，基于此，可以判断NLP系统和AI的智能。 QA系统将给出有关某个主题的简短段落或上下文，并根据文章内容提出一些问题。 这些问题的答案是上下文的跨度，也就是说，它们可以直接在文章中找到。 为了训练这样的模型，我们使用数据集。 入门 名为“ QA的
【文件预览】：
pytorch-question-answering-master
----images()
--------drqa2.PNG(10KB)
--------drqaflow.PNG(218KB)
--------conv.PNG(42KB)
--------bilstm.png(114KB)
--------pointconv.PNG(44KB)
--------charemb4.PNG(30KB)
--------maxpool.PNG(20KB)
--------p2.PNG(14KB)
--------qanet.PNG(196KB)
--------conv2d.PNG(47KB)
--------charemb1.PNG(102KB)
--------simimat.PNG(49KB)
--------p1.PNG(14KB)
--------charemb3.PNG(246KB)
--------selfattn3.PNG(35KB)
--------selfattn5.PNG(40KB)
--------selfattn2.PNG(239KB)
--------q2c.PNG(84KB)
--------softmax.PNG(68KB)
--------squadjson.PNG(1.07MB)
--------charemb2.PNG(139KB)
--------encoderblock.PNG(108KB)
--------posemb.PNG(46KB)
--------Stacked BiLSTM.jpg(84KB)
--------selfattn6.PNG(116KB)
--------drqab.PNG(25KB)
--------selfattn1.PNG(159KB)
--------drqa1.PNG(31KB)
--------seq2seq.PNG(129KB)
--------attnstan.PNG(181KB)
--------depthconv.PNG(89KB)
--------selfattn4.PNG(65KB)
--------c2q.PNG(94KB)
--------attnkj.PNG(46KB)
----data()
--------squad_train.json(28.89MB)
--------squad_dev.json(4.63MB)
----LICENSE(1KB)
----1. DrQA.ipynb(62KB)
----0. NLP Preprocessing Pipeline for QA.ipynb(16KB)
----3. QANet.ipynb(82KB)
----README.md(5KB)
----preprocess.py(9KB)
----2. BiDAF.ipynb(64KB)