基于Python的新闻文本分类系统设计 报告+项目源码

目录
程序运行说明 1
背景及任务定义 4
提出方法 5

1. 残差连接 10
   实验 15
   结论 17
   程序运行说明
   硬件
   GPU: Tesla V100, 32GB显存
   内存：32GB
   系统：Linux（训练），Windows（展示）
   软件
   CUDA版本： 9.2
   Pytorch：1.5
   其他库：gensim，sklearn，tqdm，flask，numpy等
   运行方法
   如果直接使用，步骤为：
   1.进入"Flask"文件夹，在cmd中执行以下命令：python NLP_flask.py，便可启动 flask 后台，然后在浏览器地址栏输入127.0.0.1:5000，即可看到分类系统界面。
   如果需要训练，步骤为：
   1.如果想要训练非bert的模型，需要先训练词向量：进入"src"目录下，在terminal中执行以下命令：python train_w2v.py，修改该文件的代码可以设置word2vec的窗口大小、词向量维度等。
   2.（./src目录）在terminal中输入python run.py --model model_name --word True/False，即可启动相应模型的训练。model_name是选择的模型，word为True（默认）则进行词级别的训练，否则进行字级别的训练。word参数只针对非bert模型，因为bert是分字的。可选的模型会在后面介绍。
   **注意：**训练之前请先下载数据集和bert的相关文件，在相应的文件夹内有README说明文档，内附有百度云盘下载链接。
   代码文件说明
   下面解释./src目录下的代码：
   run.py 训练主程序
   train_eval.py 具体的训练逻辑
   utils.py 工具类函数
   train_w2v.py 训练词向量
   global_config.py 全局参数设置，如batch_size等
   ./model 下是不同模型的实现
   ./temp 下存放了预训练的词向量
   
   
   
   
   
   
   
   
   
   
   
   
   
   

本文转载自：http://www.biyezuopin.vip/onews.asp?id=15960