معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A service to serve bert_multitask_learning models(server)

ویژگی	مقدار
سیستم عامل	-
نام فایل	bert-multitask-server-0.1.2
نام	bert-multitask-server
نسخه کتابخانه	0.1.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jay Yip
ایمیل نویسنده	junpang.yip@gmail.com
آدرس صفحه اصلی	https://github.com/JayYip/bert-multitask-service
آدرس اینترنتی	https://pypi.org/project/bert-multitask-server/
مجوز	MIT

# bert-multitask-as-service A serving service for [bert-multitask-learning](https://github.com/JayYip/bert-multitask-learning) ## Install ```bash pip install bert-multitask-server pip install bert-multitask-client ``` ## Getting Started 1. Train and export model. A typical trained checkpoint dir looks like below. ```text bert_serving_ckpt/ ├── *_label_encoder.pkl ├── bert_config.json ├── export_model ├── params.json └── vocab.txt ``` 2. Start server using CLI ```bash bert-multitask-serving-start -model_dir ~/CWS_NER_POS_ckpt/ -num_worker=4 -problem "CWS|NER|POS" ``` 3. Use Client to Get Prediction ```python from bert_serving.client import BertClient bc = BertClient() bc.encode(['我爱北京天安门']) ``` # Bert多任务学习服务一个部署[Bert多任务学习](https://github.com/JayYip/bert-multitask-learning)的服务 ## 安装 ```bash pip install bert-multitask-server pip install bert-multitask-client ``` ## 开始使用 1. 训练模型并导出模型. 导出后的模型目录应该有以下文件 ```text bert_serving_ckpt/ ├── *_label_encoder.pkl ├── bert_config.json ├── export_model ├── params.json └── vocab.txt ``` 2. 用CLI启动服务 ```bash bert-multitask-serving-start -model_dir models/ -num_worker=4 -problem "fake_problem" ``` 3. 用客户端获取预测结果 ```python from bert_serving.client import BertClient bc = BertClient() bc.encode(['我爱北京天安门']) ```

نیازمندی

مقدار	نام
==40.5.0	setuptools
==4.28.1	tqdm
==1.11.0	six
>=1.12.0	tensorflow-gpu
==1.15.4	numpy
==1.11.0	tensor2tensor
==1.1.0	termcolor
==1.4.0	GPUtil
==3.6.1	protobuf
==0.20.2	scikit-learn
==17.1.2	pyzmq

نحوه نصب

نصب پکیج whl bert-multitask-server-0.1.2:

pip install bert-multitask-server-0.1.2.whl

نصب پکیج tar.gz bert-multitask-server-0.1.2:

pip install bert-multitask-server-0.1.2.tar.gz