文件名称：serverless-inference:无服务器架构的神经网络推理
文件大小：285KB
文件格式：ZIP
更新时间：2024-06-04 14:37:47
Python
无服务器推理 无服务器架构的神经网络推理 此存储库包含存储库中和修改后的实现，以便在AWS Lambda上进行无服务器部署。 该项目使用Amazon DynamoDB存储单词向量，并使用AWS Lambda进行推理。 在AWS上部署模型的说明 将单词向量上传到DynamoDB 原始的SM-CNN论文和Kim CNN论文分别使用word2vec和GloVe词向量。 utils/upload_word_vectors_to_dynamo.py脚本可用于将这些词向量上载到DynamoDB。 上载整个word2vec或GloVe词汇的词向量可能会太多。 因此，我们可以使用utils/get_most_frequent_words.py脚本生成单词频率数据集中出现频率最高的单词过滤列表（有关更多信息，请参见脚本）。 另外，我们也可以使用utils/generate_vocab.py ，通过将路
【文件预览】：
serverless-inference-master
----LICENSE(1KB)
----kim_cnn()
--------main.py(3KB)
--------utils.py(938B)
--------train.py(7KB)
--------get_data.sh(469B)
--------args.py(2KB)
--------model.py(1KB)
--------SST1.py(546B)
--------embedding.py(2KB)
--------kim_handler.py(4KB)
----sm_cnn()
--------main.py(3KB)
--------train.py(6KB)
--------sm_handler.py(4KB)
--------__init__.py(0B)
--------args.py(2KB)
--------model.py(2KB)
----experiments()
--------query_sm_model.js(4KB)
--------package-lock.json(13KB)
--------query_kim_cnn_model.js(3KB)
----requirements.txt(86B)
----.gitignore(100B)
----demo()
--------package.json(420B)
--------package-lock.json(392KB)
--------src()
--------.gitignore(285B)
--------public()
--------README.md(117KB)
--------yarn.lock(244KB)
----README.md(4KB)
----utils()
--------word2vec_bin_to_txt.py(455B)
--------generate_vocab.py(699B)
--------create_deployment_package.sh(2KB)
--------relevancy_metrics.py(2KB)
--------__init__.py(0B)
--------get_trec_eval.sh(198B)
--------get_most_frequent_words.py(1KB)
--------upload_word_vectors_to_dynamo.py(3KB)
----datasets()
--------idf_utils.py(2KB)
--------trecqa.py(3KB)
--------castor_dataset.py(3KB)
--------__init__.py(0B)
--------wikiqa.py(3KB)