Dies ist die Linux-App namens spacy-transformers, deren neueste Version als v1.3.2sourcecode.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens spacy-transformers mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
Spacy-Transformatoren
BESCHREIBUNG
spaCy unterstützt eine Reihe von Transfer- und Multitasking-Lernworkflows, die oft dazu beitragen können, die Effizienz oder Genauigkeit Ihrer Pipeline zu verbessern. Transferlernen bezieht sich auf Techniken wie Wortvektortabellen und Sprachmodell-Vortraining. Diese Techniken können verwendet werden, um Wissen aus Rohtext in Ihre Pipeline zu importieren, sodass Ihre Modelle besser aus Ihren kommentierten Beispielen verallgemeinern können. Sie können Wortvektoren aus gängigen Tools wie FastText und Gensim konvertieren oder jedes vortrainierte Transformer-Modell laden, wenn Sie spacy-transformers installieren. Sie können auch Ihr eigenes Sprachmodell-Vortraining über den Befehl spacy pre train durchführen. Sie können sogar Ihren Transformer oder ein anderes kontextbezogenes Einbettungsmodell für mehrere Komponenten freigeben, was lange Pipelines um ein Vielfaches effizienter machen kann. Um Transfer Learning zu verwenden, benötigen Sie mindestens einige kommentierte Beispiele für das, was Sie vorherzusagen versuchen.
Eigenschaften
- Gemeinsame Einbettungsebenen
- Sie können einen einzelnen Transformer oder ein anderes tok2vec-Modell für mehrere Komponenten freigeben, indem Sie einen Transformer hinzufügen
- Verwenden Sie Transformatormodelle
- Transformer-Modelle können als Drop-In-Ersatz verwendet werden
- Sie können auch anpassen, wie die Transformer-Komponente Anmerkungen setzt
- Der empfohlene Arbeitsablauf für das Training ist die Verwendung des Konfigurationssystems von spaCy
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/spacy-transformers.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
