EasyBert，基于Pytorch的Bert应用
共 2240字，需浏览 5分钟
· 2021-07-27
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
EasyBert
基于Pytorch的Bert应用，包括命名实体识别、情感分析、文本分类以及文本相似度等(后续更新其他方向相关模块)，并有相关数据与深度训练优化方式api。各个子项目大都为开源工作，本项目仅做相应处理以及提供一个已训练的预测接口，方便需求者进行快速的使用。
使用示例
使用前需下载相应的已训练模型，并导入相应位置
模型下载地址：链接：https://pan.baidu.com/s/1fyENks6pJ3rreHPCRBzpKQ 提取码：qotk
在此目录下各以需求名命名的文件中提供相应的使用演示，本阶段所训练的模型效果可以满足相应任务的基本需求。
现阶段通过各任务接口的时间相对慢，大都是在模型加载阶段。若想提升相应的速度，请使用者在接受相应精度损失的前提下更换AlBert进行相应任务的重新预训练。
项目 代码，数据集 获取方式：
关注微信公众号 datayx 然后回复 bert 即可获取。
AI项目体验地址 https://loveai.tech
环境依赖
python >= 3.7 Pytorch >= 1.14 transformers >= 2.8.0
注：作者实验环境，其他环境未测试
硬件依赖
预测与使用在普通cpu机器上既可以运行
重新训练任务需要在GPU机器上进行，当内存不够用时，推荐减少batch_size而不是max_sequence_len，对精度影响较小
使用说明
注：各个模块的文本输入方式均为List，具体形式请参照文件。
情感分析 Sentiment.py
原始训练数据：该部分原数据因项目原因不提供，如需重新训练可更换其他开源数据集.
文本分类 TextClassifier.py
命名实体识别 NER.py
文本相似度 TextMatch.py
训练优化
EMA 指数滑动平均
FGM 对抗训练api
PGD 对抗训练api
相关源代码已有优秀开源，本项目借鉴训练时部分加入相关训练优化trcik，部分保持原始代码复现格式，若需相关训练优化功能，相关代码及使用方式已给出，按需使用。
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx