หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

M3TL

m ulti- m odal m ulti- ไม่ ถาม l ที่มีรายได้

ติดตั้ง 

 pip install m3tl

มันคืออะไร

นี่คือโครงการที่ใช้หม้อแปลง (ขึ้นอยู่กับ Transformers HuggingFace) เป็นแบบจำลองพื้นฐานใน การเรียนรู้หลายแบบหลายรูปแบบ

ทำไมฉันถึงต้องการสิ่งนี้

Multi-Task Learning (MTL) ได้รับความสนใจมากขึ้นเรื่อย ๆ โดยเฉพาะในยุคการเรียนรู้ลึก มีการใช้กันอย่างแพร่หลายใน NLP, CV, คำแนะนำ ฯลฯ อย่างไรก็ตาม MTL มักจะเกี่ยวข้องกับการประมวลผลข้อมูลที่ซับซ้อนการจัดการงานและการทำงานร่วมกัน โครงการโอเพ่นซอร์สอื่น ๆ เช่น TencentNlp และ PyText รองรับ MTL แต่ในทางที่ไร้เดียงสาและไม่ตรงไปตรงมาที่จะใช้อัลกอริทึม MTL ที่ซับซ้อน ในโครงการนี้เราพยายามที่จะทำให้โมเดล MTL เป็นเรื่องง่ายเหมือนรูปแบบการเรียนรู้งานเดียวและขยาย MTL ไปสู่การเรียนรู้หลายแบบหลายรูปแบบ ในการทำเช่นนั้นเราได้เปิดเผยโมดูลที่เกี่ยวข้องกับโปรแกรม MTL ต่อไปนี้ให้กับผู้ใช้:

  • กลยุทธ์การสุ่มตัวอย่างปัญหา
  • กลยุทธ์การรวมการสูญเสีย
  • การผ่าตัดไล่ระดับสี
  • โมเดลหลังโมเดลฐาน (หม้อแปลง)

นอกเหนือจากโมดูลที่ตั้งโปรแกรมได้แล้วเรายังให้บริการอัลกอริทึม SOTA MTL ในตัวที่หลากหลาย

คุณสามารถใช้โครงการนี้เพื่อ:

  • ใช้อัลกอริทึม MTL ที่ซับซ้อน
  • ทำ SOTA MTL โดยไม่ต้องดำน้ำในรายละเอียด
  • ทำการเรียนรู้หลายรูปแบบ

และเนื่องจากเราใช้ Transformers เป็นรุ่นพื้นฐานคุณจะได้รับประโยชน์ทั้งหมดที่คุณจะได้รับจาก Transformers!

รองรับปัญหาประเภทใด 

 params = Params()
for problem_type in params.list_available_problem_types():
    print('`{problem_type}`: {desc}'.format(
        desc=params.problem_type_desc[problem_type], problem_type=problem_type))


 `cls`: Classification
`multi_cls`: Multi-Label Classification
`seq_tag`: Sequence Labeling
`masklm`: Masked Language Model
`pretrain`: NSP+MLM(Deprecated)
`regression`: Regression
`vector_fit`: Vector Fitting
`premask_mlm`: Pre-masked Masked Language Model
`contrastive_learning`: Contrastive Learning

เริ่มต้นใช้งาน

โปรดดูบทเรียน

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด