ดาวน์โหลด applied_nlp_demos - applied_nlp_demos ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

applied_nlp_demos

โค้ดแหล่งที่มา AI

1.0.0

ดาวน์โหลด

applied_nlp_demos ใน pytorch

NLP ที่ทันสมัย

Pretrain T5 V1.1: Pre-Train T5 บนรหัสชุดข้อมูล C4 รหัสนี้มีความซับซ้อนน้อยกว่าอ่านง่ายกว่าและใช้งานได้ดีกว่าการใช้งานของ Google มากกว่าตัวเลือกอื่น ๆ ที่มีอยู่ด้วย HuggingFace เมื่อเปรียบเทียบกับกระดาษ T5 1.1 ซึ่งรายงานการสูญเสีย 1.942 ที่ 65,536 ขั้นตอน RTX 4090 เดียวให้ผลลัพธ์ที่เปรียบเทียบได้ในชุดทดสอบ (2.08) ในการฝึกอบรมประมาณ 18.5 ชั่วโมงโดยใช้รหัสนี้ (ดูภาพด้านล่าง) การเตรียมชุดข้อมูลของคุณเองนั้นง่ายพอ ๆ กับการสลับ Dataset ที่มีอยู่ด้วยตัวคุณเอง

T5 การสูญเสียก่อนหน้า

seq2seq (chatbot): ปรับแต่ง flan-t5 บนรหัส Alpaca
SEQ2SEQ: ปรับแต่ง FLAN-T5 อย่างละเอียดบนข้อมูลโดยใช้รหัสกรอบชุดข้อมูล HUGGGENTFACE

Google/Flan-T5 ขนาดใหญ่

 input sentence: Given a set of numbers, find the maximum value.
{10, 3, 25, 6, 16}
response: 25

input sentence: Convert from celsius to fahrenheit.
Temperature in Celsius: 15
response: Fahrenheit

input sentence: Arrange the given numbers in ascending order.
2, 4, 0, 8, 3
response: 0, 3, 4, 8

input sentence: What is the capital of France?
response: paris

input sentence: Name two types of desert biomes.
response: sahara

Google/Flan-T5 ขนาดใหญ่: ปรับแต่งบน Alpaca

 input sentence: Given a set of numbers, find the maximum value.
{10, 3, 25, 6, 16}
response: 25

input sentence: Convert from celsius to fahrenheit.
Temperature in Celsius: 15
response: 77

input sentence: Arrange the given numbers in ascending order.
2, 4, 0, 8, 3
response: 0, 2, 3, 4, 8

input sentence: What is the capital of France?
response: Paris

input sentence: Name two types of desert biomes.
response: Desert biomes can be divided into two main types: arid and semi-arid. Arid deserts are characterized by high levels of deforestation, sparse vegetation, and limited water availability. Semi-desert deserts, on the other hand, are relatively dry deserts with little to no vegetation.

มรดก NLP

พื้นที่เก็บข้อมูลนี้มีการประมวลผลข้อมูลเริ่มต้นเสร็จแล้วและอัลกอริทึม NLP โดยใช้ pytorch และมักจะ HuggingFace (Transformers) สำหรับรุ่นต่อไปนี้:

กระดาษ: เครือข่ายความสนใจตามลำดับชั้นการใช้งาน Pytorch: รหัส
กระดาษ: การใช้งาน Bert Pytorch: รหัส
Bert-CNN Ensemble การใช้งาน Pytorch: รหัส
กระดาษ: การใช้งาน CNN pytorch ระดับตัวละคร: รหัส
กระดาษ: Distilbert Pytorch การใช้งาน: รหัส
Distilgpt-2 การใช้งาน Pytorch: รหัส
กระดาษ: เครือข่ายประสาทเทียมสำหรับการจำแนกประเภทประโยคการใช้งาน Pytorch การใช้งาน: รหัส
กระดาษ: T5-classification pytorch การใช้งาน: รหัส
กระดาษ: T5-summarization pytorch การใช้งาน: รหัส
การสร้างคลังข้อมูล: ค้นหาไฟล์ข้อความ รหัส: รหัส
กระดาษ: การใช้งาน Heinsein Routing Torchtext การใช้งาน: รหัส
Entity Embeddings และ Lazy Loading รหัส: รหัส
ความคล้ายคลึงกันทางความหมาย รหัส: รหัส
Squad 2.0 Bert Embeddings Emissions ใน Pytorch รหัส: รหัส
SST-5 Bert Embeddings Emissions ใน Pytorch รหัส: รหัส