- 博客(6)
- 收藏
- 关注
RSS订阅原创 文本生成应用于客服机器人问答
res[i] = np.expand_dims(np.array(res[i] + [0] * (max_len - len(res[i]))), 0) # 增加一个维度。此外，还计算了每个批次的准确率，这是衡量模型性能的关键指标。df = pd.read_csv(file_path)[["title", "reply", "is_best"]] # 只需要这三个字段。texts = list(train_set["title"]) + list(train_set["reply"]) # 取出文本内容。
2023-09-22 13:48:33
61
原创 基于transformers的零售 NLP 客服自动回答任务
数据预处理在投入模型进行训练之前，需要对数据进行适当的预处理。同时，也需要调整或“微调”一个预训练好的模型来适应你的特定任务。由于正在进行文本分类，所以当加载预训练模型时，可能需要忽略或舍弃某些不适用的网络参数。使用Datasets库来下载数据，并且得到我们需要的评测指标（和benchmark基准进行比较）使用函数完成数据包括context。
2023-09-15 17:53:37
166
1
原创 利用Tensor和autograd来实现线性回归的训练
调用了 detach() 方法，将 w 从计算图中分离出来，这样就不会计算它的梯度了。通过矩阵乘法 mm 计算了 x_train 和 w 的乘积，然后加上偏置 b，得到了模型的输出。损失函数是平方误差函数，通过计算模型输出和真实值 y_train 的差的平方，然后求均值得到。w 是一个形状为 [input_size, output_size] 的张量，b 是一个标量。y_train 的生成规则是对 x_train 的每一列分别乘以一定的权重并相加，然后加上一些随机噪声——把w，b都设置为零向量的情况。
2023-07-30 18:39:15
52
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人