pytorch sentiment analysis
1.0.0
repo นี้มีบทเรียนที่ครอบคลุมความเข้าใจและการใช้แบบจำลองการจำแนกลำดับโดยใช้ pytorch พร้อม Python 3.9 โดยเฉพาะเราจะฝึกอบรมโมเดลเพื่อทำนายความเชื่อมั่นจากบทวิจารณ์ภาพยนตร์
หากคุณพบข้อผิดพลาดหรือไม่เห็นด้วยกับคำอธิบายใด ๆ โปรดอย่าลังเลที่จะส่งปัญหา ฉันยินดีรับข้อเสนอแนะบวกหรือลบ!
ติดตั้งการพึ่งพาที่ต้องการด้วย: pip install -r requirements.txt --upgrade
1 - ถุงประสาทของคำ
บทช่วยสอนนี้ครอบคลุมเวิร์กโฟลว์ของโครงการจำแนกลำดับด้วย Pytorch เราจะครอบคลุมพื้นฐานของการจำแนกลำดับโดยใช้โมเดล Bag-of-words ที่เรียบง่าย แต่มีประสิทธิภาพและมีประสิทธิภาพและวิธีการใช้ชุดข้อมูล/Torchtext Libaries เพื่อลดความซับซ้อนของการโหลดข้อมูล/การประมวลผลล่วงหน้า
2 - เครือข่ายประสาทกำเริบ
ตอนนี้เรามีเวิร์กโฟลว์การจำแนกลำดับพื้นฐานที่ครอบคลุมการสอนนี้จะมุ่งเน้นไปที่การปรับปรุงผลลัพธ์ของเราโดยการเปลี่ยนเป็นโมเดล Neural Network (RNN) ซ้ำ เราจะครอบคลุมทฤษฎีที่อยู่เบื้องหลัง RNNs และดูการใช้งานของหน่วยความจำระยะยาวระยะยาว (LSTM) RNN ซึ่งเป็นหนึ่งในตัวแปรที่พบบ่อยที่สุดของ RNN
3 - เครือข่ายประสาท Convolutional
ต่อไปเราจะครอบคลุมเครือข่าย Neural Convolutional (CNNS) สำหรับการวิเคราะห์ความเชื่อมั่น รูปแบบนี้จะเป็นการดำเนินการของเครือข่ายประสาทแบบ Convolutional สำหรับการจำแนกประโยค
4 - Transformers
ในที่สุดเราจะแสดงวิธีการใช้ไลบรารี Transformers เพื่อโหลดโมเดลหม้อแปลงที่ผ่านการฝึกอบรมมาแล้วโดยเฉพาะรุ่น Bert จากบทความนี้และใช้สำหรับการจำแนกลำดับ
แบบฝึกหัดรุ่นก่อนหน้านี้ใช้คุณสมบัติจากไลบรารี Torchtext ซึ่งไม่สามารถใช้งานได้อีกต่อไป สิ่งเหล่านี้ถูกเก็บไว้ในไดเรกทอรีมรดก
นี่คือบางสิ่งที่ฉันดูในขณะที่ทำแบบฝึกหัดเหล่านี้ บางส่วนอาจล้าสมัย
