文件名称：超级简单的库，用于基于BERT的NLP模型-Python开发
文件大小：777KB
文件格式：ZIP
更新时间：2024-06-14 07:57:30
Python Natural Language Processing
Fast-Bert New包括使用BERT Seq2Seq的汇总新模型架构：ALBERT，CamemBERT，DistilRoberta DistilBERT（来自HuggingFace），Fastbert中添加了更小，更快，更便宜，更轻便的RoBERTa模型支持No Fast-Bert New包括使用BERT Seq2Seq的汇总新模型架构：ALBERT，CamemBERT，DistilRoberta DistilBERT（来自HuggingFace），更小，更快，更便宜，更轻便Roberta模型支持已添加到Fastbert中，现在支持LAMB优化器以进行更快的训练。 请参阅https://arxiv.org/abs/1904.00962以获取有关LAMB优化器的论文。 现在支持BERT和XLNet进行多类和多标签文本分类。 Fast-Bert是允许开发人员使用的深度学习库
【文件预览】：
fast-bert-main
----setup.py(988B)
----.gitignore(1KB)
----images()
--------lr_finder.png(77KB)
----requirements.txt(147B)
----deploy_pip.sh(72B)
----container_ner()
--------Dockerfile(2KB)
--------bert()
--------build_and_push.sh(2KB)
----container_t5()
--------Dockerfile(2KB)
--------requirements.txt(135B)
--------t5()
--------build_and_push.sh(2KB)
----sample_notebooks()
--------toxic_comments_sagemaker.ipynb(6KB)
--------new-toxic-predict.ipynb(52KB)
--------new-toxic-multilabel.ipynb(79KB)
--------gpu_util.ipynb(16KB)
----LICENSE(11KB)
----README.md(23KB)
----container()
--------Dockerfile_cpu(2KB)
--------pytorch_build_and_push.sh(2KB)
--------Dockerfile(2KB)
--------bert()
--------build_and_push.sh(2KB)
----sample_data()
--------imdb_movie_reviews()
--------multi_label_toxic_comments()
----container_lm()
--------Dockerfile(2KB)
--------bert()
--------build_and_push.sh(2KB)
----.vscode()
--------settings.json(228B)
----.flake8(118B)
----test()
--------summarisation.ipynb(4KB)
--------tokenizer_vocab()
--------multi_class.ipynb(19KB)
----fast_bert()
--------learner_qa.py(34KB)
--------learner_ner.py(10KB)
--------data_abs.py(12KB)
--------learner_cls_old.py(33KB)
--------learner_abs.py(6KB)
--------utils_squad_evaluate.py(12KB)
--------__init__.py(781B)
--------data_qa.py(26KB)
--------optimization.py(13KB)
--------learner_lm.py(12KB)
--------modeling.py(17KB)
--------utils()
--------prediction.py(4KB)
--------metrics.py(4KB)
--------learner_util.py(4KB)
--------summarisation()
--------learner_cls.py(33KB)
--------data_cls.py(22KB)
--------data_ner.py(18KB)
--------data_lm.py(11KB)
--------bert_layers.py(636B)
--------data.py(19KB)