Questa è l'app Linux denominata spacy-transformers la cui ultima versione può essere scaricata come v1.3.2sourcecode.zip. Può essere eseguito online nel provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online questa app chiamata spacy-transformers con OnWorks gratuitamente.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.
- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione, installala ed eseguila.
IMMAGINI
Ad
trasformatori spaziali
DESCRIZIONE
spaCy supporta una serie di flussi di lavoro di trasferimento e apprendimento multi-task che spesso possono aiutare a migliorare l'efficienza o l'accuratezza della pipeline. Il transfer learning si riferisce a tecniche come le tabelle dei vettori di parole e il pre-training del modello linguistico. Queste tecniche possono essere utilizzate per importare la conoscenza dal testo non elaborato nella tua pipeline, in modo che i tuoi modelli siano in grado di generalizzare meglio dai tuoi esempi annotati. Puoi convertire vettori di parole da strumenti popolari come FastText e Gensim, oppure puoi caricare qualsiasi modello di trasformatore pre-addestrato se installi spacy-transformers. Puoi anche eseguire il pre-training del tuo modello linguistico tramite il comando spacy pre train. Puoi persino condividere il tuo trasformatore o un altro modello di incorporamento contestuale su più componenti, il che può rendere le pipeline lunghe molte volte più efficienti. Per utilizzare l'apprendimento del trasferimento, avrai bisogno di almeno alcuni esempi annotati per ciò che stai cercando di prevedere.
Caratteristiche
- Livelli di incorporamento condivisi
- Puoi condividere un singolo trasformatore o un altro modello tok2vec tra più componenti aggiungendo un trasformatore
- Usa modelli di trasformatore
- I modelli di trasformatore possono essere utilizzati come sostituti immediati
- È inoltre possibile personalizzare il modo in cui il componente Transformer imposta le annotazioni
- Il flusso di lavoro consigliato per l'addestramento consiste nell'utilizzare il sistema di configurazione di spaCy
Linguaggio di programmazione
Python
Categorie
Questa è un'applicazione che può anche essere recuperata da https://sourceforge.net/projects/spacy-transformers.mirror/. È stato ospitato in OnWorks per poter essere eseguito online nel modo più semplice da uno dei nostri Sistemi Operativi gratuiti.