微软开源项目NeuronBlocks:像搭积木一样构建自然语言理解深度学习模型
在构建自然语言理解深度学习模型时,工程师们经常需要在编程细节和代码调试上花费大量精力,而不是专注于模型架构设计与参数调节。为提升构建深度模型的效率,微软推出了开源项目NeuronBlocks,一个用于自然语言处理任务的深度学习工具包。NeuronBlocks将各种神经网络层封装为模块,通过配置简单的JSON文件,就可以轻松地构建复杂的深度神经网络模型。NeuronBlocks能使工程师们在几秒钟内构建和训练各种自然语言处理模型,而无需写一行代码。
项目地址: https://github.com/Microsoft/NeuronBlocks
项目动机
深度神经网络(DNN)模型已被广泛用于解决各种自然语言处理(NLP)任务,例如:文本分类、序列标注、智能问答等。然而当使用DNN模型解决特定的NLP任务时,工程师们经常面临以下挑战:
1)TensorFlow、PyTorch、Keras等深度学习框架学习成本高;