本书综合性讲解HuggingFace社区提供的工具集datasets和transformers,书中包括最基础的工具集的用例演示,也包括具体的项目实战,以及预训练模型的底层设计思路和实现原理的介绍。通过本书的学习,读者可以快速掌握HuggingFace工具集的使用方法,掌握自然语言处理项目的一般研发流程,并能研发自己的自然语言处理项目。本书共14章,分...
本书综合性讲解HuggingFace社区提供的工具集datasets和transformers,书中包括最基础的工具集的用例演示,也包括具体的项目实战,以及预训练模型的底层设计思路和实现原理的介绍。通过本书的学习,读者可以快速掌握HuggingFace工具集的使用方法,掌握自然语言处理项目的一般研发流程,并能研发自己的自然语言处理项目。本书共14章,分...
HuggingFace能处理文字、语音和图像数据,由于本书的主题是自然语言处理,所以主要关注文字类任务。 图1-1是一个粗略的流程,现在稍微细化这个流程,看一看各个步骤中更具体的内容,针对自然语言处理任务细化的HuggingFace标准研发流程,如图1-2所示。 图1-2 针对自然语言处理任务细化的HuggingFace标准研发流程 可以看出,Hugging...
2、中文项目实战篇 中文项目实战篇(第7～12章)通过几个实战项目演示使用HuggingFace工具集研发自然语言处理项。 第7章 实战任务1:中文情感分类 第8章 实战任务2:中文填空 第9章 实战任务3:中文句子关系推断 第10章 实战任务4:中文命名实体识别 第11章 使用TensorFlow训练 第12章 使用自动模型 3、预训练模型底层...
HuggingFace自然语言处理详解:基于BERT中文模型的任务实战2.3 使用编码工具2.3使用编码工具经过以上示例,可以知道编码的过程中要经历哪些工作步骤了。现在就来看一看如何使用HuggingFace提供的编码工具。1.加载编码工具
在以往的自然语言处理任务中会花费大量的时间在数据处理上,针对不同的数据集往往需要不同的处理过程,各个数据集的格式差异大,处理起来复杂又容易出错。针对以上问题,HuggingFace提供了统一的数据集处理工具,让开发者在处理各种不同的数据集时可以通过统一的API处理,大大降低了数据处理的工作量。
HuggingFace自然语言处理详解:基于BERT中文模型的任务实战上QQ阅读APP,阅读体验更流畅 领看书特权12.6 小结上QQ阅读看本书,第一时间看更新 登录订阅本章 > 预训练模型底层原理篇 上QQ阅读看本书,第一时间看更新 登录订阅本章 >上翻页区 功能呼出区 下翻页区上QQ阅读 APP听书 ...
本书综合性讲解HuggingFace社区提供的工具集datasets和transformers,书中包括基础的工具集的用例演示,也包括具体的项目实战,以及预训练模型的底层设计思路和实现原理的介绍。通过本书的学习,读者可以快速掌握HuggingFace工具集的使用方法,掌握自然语言处理项目的一般研发流程,并能研发自己的自然语言处理项目。 本书共14章,分...
HuggingFace有一个巨大的模型库,其中一些是已经非常成熟的经典模型,这些模型即使不进行任何训练也能直接得出比较好的预测结果,也就是常说的Zero Shot Learning。 使用管道工具时,调用者需要做的只是告诉管道工具要进行的任务类型,管道工具会自动分配合适的模型,直接给出预测结果,如果这个预测结果对于调用者已经可以满足需...