自然语言处理动手学Bert文本分类

自然语言处理动手学Bert文本分类

AI壹号堂 长期从事深度学习、计算机视觉、自然语言处理研究
  • 课程目录
  • 课程介绍
  • 课时1:动手学中文文本分类开篇

  • 课时2:课堂实战试看1

  • 课时3:课堂实战试看2

  • 课时4:课堂实战试看3

  • 课时5:课堂实战试看4

  • 课时6:课堂实战试看5

  • 课时7:自然语言处理简介

  • 课时8:课程资料下载方式

  • 课时9:文本分类简介

  • 课时10:神经网络中的数据格式讲解

  • 课时11:本文分类模型综述

  • 课时12:RNN理论及相关变体讲解

  • 课时13:seq2seq理论讲解

  • 课时14:seq2seq存在的问题

  • 课时15:注意力机制理论讲解

  • 课时16:注意力机制数学公式讲解

  • 课时17:引出self-attention的两个问题

  • 课时18:self-attention理论讲解.

  • 课时19:self-attention数学理论讲解

  • 课时20:Multi-head-self-attention理论讲解

  • 课时21:Transformer理论讲解

  • 课时22:Bert理论讲解及文本分类模型讲解

  • 课时23:项目环境构建.及数据集简介

  • 课时24:BruceBert配置类构建上

  • 课时25:BruceBert配置类构建下

  • 课时26:模型构建上

  • 课时27:模型构建下

  • 课时28:模型验证

  • 课时29:bulid_dataset加载数据集讲解

  • 课时30:数据预处理上

  • 课时31:数据预处理下

  • 课时32:数据预处理方法测试.

  • 课时33:数据集迭代器上

  • 课时34:数据集迭代器下

  • 课时35:数据迭代器测试

  • 课时36:参数衰减分析

  • 课时37:训练步骤详细讲解

  • 课时38:模型训练详细讲解

  • 课时39:模型训练部分代码完成

  • 课时40:模型评估方法详细讲解

  • 课时41:模型测试方法详细讲解

  • 课时42:模型整体debug上

  • 课时43:模型整体debug中

  • 课时44:模型整体debug下

  • 课时45:GPU下完整训练第一个Epoch

  • 课时46:GPU下完整训练第二个Epoch

  • 课时47:GPU下完整训练第三个Epoch

  • 课时48:GPU下完整训练后模型测试

  • 课时49:GPU下使用Bert非fine-tuning过程

  • 课时50:CNN整体流程讲解

  • 课时51:CNN中的卷积详细讲解

  • 课时52:CNN中的Pooling讲解

  • 课时53:TextCNN中的文本卷积与N-gram关系

  • 课时54:TextCNN原理详细讲解

  • 课时55:TextCNN与CNN区别于联系

  • 课时56:Bert+TextCNN配置类上

  • 课时57:Bert+TextCNN配置类下

  • 课时58:Bert+TextCNN配置类验证

  • 课时59:Bert+TextCNN模型类init方法讲解

  • 课时60:Bert+TextCNN模型forword方法上

  • 课时61:Bert+TextCNN模型forword方法下

  • 课时62:数据加载优化

  • 课时63:卷积后的维度分析讲解

  • 课时64:模型构建完成

  • 课时65:模型训练与预测

  • 课时66:RNN详解

  • 课时67:LSTM详解

  • 课时68:Config类实现及校验

  • 课时69:BruceBertRNN类init函数实现

  • 课时70:BruceBertRNN类forward函数实现

  • 课时71:模型对比与结果分析

  • 课时72:RCNN理论讲解

  • 课时73:Config类实现及校验

  • 课时74:BruceBertRCNN类init函数实现

  • 课时75:BruceBertRCNN类forward函数实现

  • 课时76:BruceBertRCNN训练过程完整演示

  • 课时77:DPCNN理论讲解

  • 课时78:Config类实现及校验

  • 课时79:BruceBertDPCNN类init函数实现

  • 课时80:BruceBertDPCNN类forward函数实现

  • 课时81:BruceBertDPCNN类block函数实现

  • 课时82:模型对比与结果分析

  • 课时83:ERNIE模型理论讲解

  • 课时84:基于ERNIE+FC文本分类实战演示

  • 课时85:ERNIE+DPCNN文本分类实战演示

课程概述

Bert作为目前自然语言处理领域最流行的技术之一,文本分类作为自然语言处理领域最常见的任务之一,Pytorch作为目前最流程的深度学习框架之一,三者结合在一起将会产生什么样的花火,本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务,延续动手学系列课程风格,全程手敲代码,跟着杨博一行一行代码撸起来。

随机推荐

怡颗莓蓝莓好不好,值得购买吗?达人专业评测?

怡颗莓蓝莓适合入手吗?详细评测分享?

特仑苏牛奶乳品实用性高,购买推荐吗?购买前必知评测?

vivovivo Pad3 Pro可靠性如何?功能评测介绍一网打尽!

时途适用苹果20W/30W充电器物有所值吗?内幕评测透露。

时途适用苹果20W/30W充电器使用体验怎么样?最新款评测?