pytorch sentiment analysis
1.0.0
Этот репо содержит учебники, охватывающие понимание и реализацию моделей классификации последовательностей с использованием Pytorch, с Python 3.9. В частности, мы будем обучать модели для прогнозирования настроений из обзоров фильмов.
Если вы найдете какие -либо ошибки или не согласны с какими -либо объяснениями, пожалуйста, не стесняйтесь представить проблему. Я приветствую любые отзывы, положительные или отрицательные!
Установите требуемые зависимости с: pip install -r requirements.txt --upgrade .
1 - Нейронная сумка слов
Этот урок охватывает рабочий процесс проекта классификации последовательностей с Pytorch. Мы рассмотрим основы классификации последовательностей с использованием простой, но эффективной модели нейронного пакета слоя, и как использовать наборы данных/Torchtext Libaries для упрощения загрузки/предварительной обработки данных.
2 - повторяющиеся нейронные сети
Теперь у нас есть основной рабочие процессы классификации последовательностей, этот учебник будет сосредоточен на улучшении наших результатов путем перехода на модель рецидивирующей нейронной сети (RNN). Мы рассмотрим теорию RNN и рассмотрим реализацию RNN длинной кратковременной памяти (LSTM), одного из наиболее распространенных вариантов RNN.
3 - Служба нейронных сетей
Далее мы рассмотрим сверточные нейронные сети (CNNS) для анализа настроений. Эта модель будет реализацией сверточных нейронных сетей для классификации предложений.
4 - Трансформеры
Наконец, мы покажем, как использовать библиотеку Transformers для загрузки предварительно обученной модели трансформатора, в частности модели BERT из этой статьи, и будем использовать ее для классификации последовательностей.
Предыдущие версии этих учебников использовали функции из библиотеки Torchtext, которые больше не доступны. Они хранятся в каталоге Legacy.
Вот некоторые вещи, на которые я смотрел, делая эти учебники. Некоторые из них могут быть устаревшими.
