文件名称：tensorflow-nlp:Tensorflow中的文本分类和NLP
文件大小：10.64MB
文件格式：ZIP
更新时间：2024-05-20 03:52:29
nodejs python java nlp docker
张量流 该存储库实现了一个Tensorflow框架，用于执行自然语言处理（NLP）任务。 该存储库包含用于不同编程语言的脚本和库。 用于创建神经网络，执行训练和测试，导出网络模型的Python 。 Java，用于加载预训练的网络模型，执行推理或在生产中提供服务。 Node.js，用于加载预训练的网络模型，执行测试和推理。 为什么选择tensorflow-NLP？ 该框架的目的是允许使用模块化代码轻松地为任何NLP任务设计网络，并始终保持相同的输入/输出结构。 如果您的主要用例是在生产中部署保存的模型，那么这非常有用，即使您想使用其他编程语言访问该模型也是如此。 通过使用同一脚本可以评估当前在不同任务上实施的所有网络这一事实，证明了该框架的有效性。 用法： 有关如何安装，配置和运行所有内容的说明，请参见其特定语言目录的自述文件。 您应该从Python库开始，从头开始训练任何网络。
【文件预览】：
tensorflow-nlp-master
----.travis.yml(385B)
----node()
--------package.json(485B)
--------package-lock.json(7KB)
--------.gitignore(1KB)
--------lib()
--------README.md(403B)
--------yarn.lock(5KB)
----docs()
--------train.png(74KB)
--------it.png(47KB)
----data()
--------models()
--------dataset()
--------embedding()
--------README.md(2KB)
----Dockerfile(626B)
----python()
--------data_helpers()
--------test.py(4KB)
--------train_sequence_tagging.py(5KB)
--------__init__.py(0B)
--------train_text_classification.py(5KB)
--------train_seq2seq.py(6KB)
--------tf_helpers()
--------.gitignore(1KB)
--------README.md(4KB)
--------script()
--------logger_utils.py(5KB)
--------dataset_api.py(2KB)
----env.sh(390B)
----LICENSE(1KB)
----run.sh(659B)
----.gitignore(368B)
----java()
--------MANIFEST.MF(123B)
--------.settings()
--------src()
--------.project(363B)
--------.classpath(532B)
--------.gitignore(328B)
--------README.md(2KB)
--------script()
----.dockerignore(114B)
----README.md(2KB)
----build.sh(179B)
----run_dev.sh(705B)