معرفی شرکت ها


bert-text-pretty-0.0.9


Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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

bert_text_pretty 是一个bert 文本特征化和文本后处理解码的包,用于bert工程推理
ویژگی مقدار
سیستم عامل -
نام فایل bert-text-pretty-0.0.9
نام bert-text-pretty
نسخه کتابخانه 0.0.9
نگهدارنده []
ایمیل نگهدارنده []
نویسنده ssbuild
ایمیل نویسنده 9727464@qq.com
آدرس صفحه اصلی https://github.com/ssbuild/bert_text_pretty
آدرس اینترنتی https://pypi.org/project/bert-text-pretty/
مجوز Apache 2.0
bert_text_pretty 是一个bert 文本特征化和文本后处理解码的包,用于bert工程推理 ```py # -*- coding:utf-8 -*- import numpy as np from bert_text_pretty import cls,ner,relation,tokenization ''' 简化文本特征化,解码 https://github.com/ssbuild/bert_text_pretty.git ''' text_list = ["你是谁123456","你是谁123456222222222222"] tokenizer = tokenization.FullTokenizer(vocab_file=r'F:\pretrain\chinese_L-12_H-768_A-12\vocab.txt',do_lower_case=True) feat = cls.cls_text_feature(tokenizer,text_list,max_seq_len=128,with_padding=False) print(feat) feat = ner.ner_text_feature(tokenizer,text_list,max_seq_len=128,with_padding=False) print(feat) feat = relation.re_text_feature(tokenizer,text_list,max_seq_len=128,with_padding=False) print(feat) labels = ['标签1','标签2'] print(cls.load_labels(labels)) print(ner.load_label_bio(labels)) # def ner_decoding(example_all, id2label, logits_all,trans=None) # crf 解码 ''' example_all 文本list , id2label 标签 list or dict logits_all 为bert 预测结果 (batch,seq_len,num_tags) or (batch,seq_len) trans 是否启用trans预测 , 2D 解析crf序列 or 解析 已经解析过的crf序列 ''' #ner_pointer_decoding(example_all, id2label, logits_all,threshold=0.) # 指针 解码 ''' example_all 文本list , id2label 标签 list or dict logits_all (batch,num_labels,seq_len,seq_len) threshold 阈值 ''' # cls.cls_decoding(example_all,labels,logits) #分类 ''' example_all 文本list , id2label 标签 list or dict logits_all (batch,hidden) threshold 阈值 ''' # relation.re_decoding(example_all, id2spo, logits_all) #关旭 ```


زبان مورد نیاز

مقدار نام
>=3, <4 Python


نحوه نصب


نصب پکیج whl bert-text-pretty-0.0.9:

    pip install bert-text-pretty-0.0.9.whl


نصب پکیج tar.gz bert-text-pretty-0.0.9:

    pip install bert-text-pretty-0.0.9.tar.gz