类似推荐
编辑推荐
快速掌握HuggingFace工具集，掌握自然语言处理项目的研发流程。
内容简介
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，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。
本书分为3篇共14章：工具集基础用例演示篇（第1～6章），详细讲解HuggingFace工具集的基本使用目的一般流程；预训练模型底层原理篇（第13、14章），详细阐述了预训练模型的设计思路和计算原理。
本书将使用最简单浅显的语言，带领读者快速了解HuggingFace工具集的使用方法。通过本书实战项目的学习，读者可以掌握一般的自然语言处理项目的研发流程。通过本书预训练模型底层原理的学习，读者能够知其然也知其所以然，做到融会贯通。方法；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
本书适合有PyTorch编程基础的读者阅读，也适合作为对自然语言处理感兴趣的读者的参考图书。
章节目录
版权信息
作者简介
内容简介
前言
本书主要内容
阅读建议
本书源代码
致谢
工具集基础用例演示篇
第1章HuggingFace简介
第2章使用编码工具
2.1 编码工具简介
2.2 编码工具工作流示意
2.3 使用编码工具
2.4 小结
第3章使用数据集工具
3.1 数据集工具介绍
3.2 使用数据集工具
3.3 小结
第4章使用评价指标工具
4.1 评价指标工具介绍
4.2 使用评价指标工具
4.3 小结
第5章使用管道工具
5.1 管道工具介绍
5.2 使用管道工具
5.3 小结
第6章使用训练工具
6.1 训练工具介绍
6.2 使用训练工具
6.3 小结
中文项目实战篇
第7章实战任务1：中文情感分类
7.1 任务简介
7.2 数据集介绍
7.3 模型架构
7.4 实现代码
7.5 小结
第8章实战任务2：中文填空
8.1 任务简介
8.2 数据集介绍
8.3 模型架构
8.4 实现代码
8.5 小结
第9章实战任务3：中文句子关系推断
9.1 任务简介
9.2 数据集介绍
9.3 模型架构
9.4 实现代码
9.5 小结
第10章实战任务4：中文命名实体识别
10.1 任务简介
10.2 数据集介绍
10.3 模型架构
10.4 实现代码
10.5 小结
第11章使用TensorFlow训练
11.1 任务简介
11.2 数据集介绍
11.3 模型架构
11.4 实现代码
11.5 小结
第12章使用自动模型
12.1 任务简介
12.2 数据集介绍
12.3 模型架构
12.4 实现代码
12.5 深入自动模型源代码
12.6 小结
预训练模型底层原理篇
第13章手动实现Transformer
13.1 Transformer架构
13.2 注意力
13.3 位置编码
13.4 MASK
13.5 Transformer计算流程
13.6 简单翻译任务
13.7 两数相加任务
13.8 小结
第14章手动实现BERT
14.1 BERT架构
14.2 数据集处理
14.3 PyTorch提供的Transformer工具层介绍
14.4 手动实现BERT模型
14.5 小结
HuggingFace自然语言处理详解——基于BERT中文模型的任务实战是2023年由清华大学出版社出版,作者李福林。
得书感谢您对《HuggingFace自然语言处理详解——基于BERT中文模型的任务实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
