keras_bert tf版本

最新推荐文章于 2023-12-06 21:11:09 发布
最新推荐文章于 2023-12-06 21:11:09 发布
阅读量2.9k 收藏 3
点赞数
分类专栏： keras模型 文章标签： 自然语言处理 神经网络 tensorflow 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011740601/article/details/105564541
版权

1.安装keras_bert

pip install keras_bert

 2.设置环境变量TF_KERAS=1，centos下输入

vim /etc/profile

 打开文件后将

from tensorflow.python.keras import backend_config

修改为

from tensorflow.python.keras import backend as backend_config

就能正常使用tf版本的keras_bert

飞华1993
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
[Python人工智能] 三十三.Bert模型 (2)keras-bert库构建Bert模型实现文本分类
杨秀璋的专栏
11-26 7684
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章开启了新的内容——Bert，首先介绍Keras-bert库安装及基础用法，这将为后续文本分类、命名实体识别提供帮助。这篇文章将通过keras-bert库构建Bert模型，并实现文本分类工作。基础性文章，希望对您有所帮助！
Bert_Classifier:bert文本分类，albert，keras_bert，bert4keras，kashgari，fastbert，flask + uwsgi + keras部署模型，时间实体识别，tfidf关键词抽取，tfidf文本相似度
05-11
1、run_cnews_classifier.py 原生bert实现的文本分类 原文链接： 2、run_tnews_classifier.py 基于keras_bert实现的文本分类 原文链接： 3、run_lcqmc_similarity.py 基于bert4keras实现的文本相似度计算 原文链接： 4、run_kashgari_classifier.py 基于kashgari实现的文本分类 原文链接： 5、run_ChineseDailyNerCorpus.py 基于kashgari + bert/albert实现的ner 原文链接： 6、Bert_Train.py 基于bert训练模型，并保存为pb格式 原文链接： 7、Bert_Predict.py requests调用tf serving中的bert模型 原文链接： 8、fastbert.py 基于fastbert实现文本分类
TensorFlow-GPU的安装及keras的安装
colleges的博客
03-19 1万+
背景：需要运行一个基于keras的BERT+BiLSTM+CRF的NER项目，因此写了这篇小记，记录环境准备的过程和步骤。 1、建立虚拟环境 前提：先安装Anaconda(这里我使用的是Anaconda3) 参考链接：https://blog.csdn.net/colleges/article/details/121948153 这里的Python版本为Python 3.6.8 2、安装TensorFlow（GPU版本） 2.1配置conda和pip镜像源 2.1.1conda镜像源 通过下面.
keras -bert安装不成功解决办法
qq_43593646的博客
03-14 611
pip install keras -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com --use
Bert4keras相关环境安装
最新发布
try2find的专栏
12-06 363
特别要注意：keras-nightly 2.5.0.dev2021021100 的安装，其版本号有点特别。安装：cudatoolkit 10.1.243。安装：bert4keras 0.11.3。1. 创建虚拟环境，先安装cudatoolkit和cudnn。cudatoolkit版本不对容易报so库找不到的错。2. 安装对应的tensorflow版本与依赖。(2) tf转onnx错误。(1) so库找不到。
keras-bert学习入门
weixin_46359803的博客
08-02 885
keras-bert笔记
记录安装Anaconda+Tensorflow1.15+Keras+Bert4keras
davidhhs的博客
04-21 798
下载地址：https://mirrors.tuna.tsinghua.edu.cn/Anaconda/archive/ 选择20191016版本，对应python3.7）主要参考：https://blog.csdn.net/jjsd__gulugulu/article/details/124211895。参考地址：https://blog.csdn.net/in546/article/details/117400839。阿里云 http://mirrors.aliyun.com/pypi/simple/
bert-text:BERT + TF Keras用于中文NLP任务
04-27
BERT+ TF Keras For NLP Tasks说明：本项目处于开发阶段，暂时不可用简介：以Tensorflow的Keras的Bert预训练模型开发NLP的各种任务。项目特点下载稳定，较为典型的测试数据，附带详细介绍数据接口封装，减少数据的...
bert-for-tf2：BERT，ALBERT和适配器-BERT的Keras TensorFlow 2.0实现
02-06
bert-for-tf2：BERT，ALBERT和适配器-BERT的Keras TensorFlow 2.0实现
解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题
09-16
主要介绍了解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题，具有很好的参考价值，希望对大家有所帮助。一起跟随想过来看看吧
图像分类实验室：使用pytorch.audio和keras进行音乐流派的二进制分类
02-12
图像分类实验室 CмольниковаПолина， АльперовичВадим， 17ПМИ Введение Главноепредположениенашейработы： Звуктожекарт...
TensorFlow + Keras 版本对应
08-24 6657
注意：tensorflow2.3版本后支持tf.keras，所以tensorflow2.3后无需单独安装keras，以免冲突。 参考：https://docs.floydhub.com/guides/environments/
Keras——Keras简介、安装、backend
weixin_37763870的博客
04-17 916
1.什么是Keras? 如果说 Tensorflow 或者 Theano 神经网络方面的巨人. 那 Keras 就是站在巨人肩膀上的人. Keras 是一个兼容 Theano 和 Tensorflow 的神经网络高级包, 用他来组件一个神经网络更加快速, 几条语句就搞定了. 而且广泛的兼容性能使 Keras 在 Windows 和 MacOS 或者 Linux 上运行无阻碍. 2.Keras安装 ...
keras和tensorflow的匹配版本
weixin_44943389的博客
04-29 1万+
tensorflow 1.x：keras是tensorflow 1.x的一部分，可以直接与tensorflow 1.x一起使用。tensorflow 2.0 – 2.4: tensorflow 2.0及以上版本的keras已经被作为最初的api。总的来说，想要确保keras和tensorflow之间的兼容性，建议通过将两个框架安装到相同的虚拟环境中，并且使用支持兼容的版本。keras和tensorflow版本之间的匹配是非常重要的，因为它们之间的兼容性可能存在一些问题。
导入keras时报错: ImportError:cannot import name 'tf_utils'问题解决
weixin_45433156的博客
03-09 5294
在Spyder中导入keras时报错提示为： 报错原因在于：安装keras时直接pip install keras安装版本为2.1.4，已安装的tensorflow版本为CPU1.8.0版本，二者版本不匹配。 解决办法： 首先卸载已安装keras: pip uninstall keras 然后安装2.1.6版本：pip install keras==2.1.6 测试：输入Python,再输入im...
keras_bert与bert4keras的使用
Mark_Australia的博客
08-20 4564
keras_bert和bert4keras的使用
kera-bert，keras， tensorflow版本对应
qq_43309133的博客
08-04 2404
tensorflow2太好用了，相对来说tensorflow1就是个智障。 而bert一点都不友好，几千行代码。kera_bert对bert进行了很好的封装，太棒了！ tensorflow-gpu 2.2.0 keras 2.4.3 keras-bert 0.88.0
Keras入门
热门推荐
qy13913453196的博客
08-28 2万+
注解：关于Keras本人是小白，此次也是因为学习其他东西，需要了解Keras的相关知识，所以稍微整理一下........ http://www.cnblogs.com/lc1217/p/7132364.html 为何要用Keras 如今在深度学习大火的时候，第三方工具也层出不穷，比较出名的有Tensorflow，Caffe，Theano，MXNet，在如此多的第三方框架中频繁的更换无疑是很低...
基于Keras_bert模型的Bert使用与字词预测
qq_44951759的博客
07-26 2263
Keras_bert学习使用
import tensorflow as tf import tensorflow_hub as hub from tensorflow.keras import layers import bert import numpy as np from transformers import BertTokenizer, BertModel # 设置BERT模型的路径和参数 bert_path = "E:\\AAA\\523\\BERT-pytorch-master\\bert1.ckpt" max_seq_length = 128 train_batch_size = 32 learning_rate = 2e-5 num_train_epochs = 3 # 加载BERT模型 def create_model(): input_word_ids = tf.keras.layers.Input(shape=(max_seq_length,), dtype=tf.int32, name="input_word_ids") input_mask = tf.keras.layers.Input(shape=(max_seq_length,), dtype=tf.int32, name="input_mask") segment_ids = tf.keras.layers.Input(shape=(max_seq_length,), dtype=tf.int32, name="segment_ids") bert_layer = hub.KerasLayer(bert_path, trainable=True) pooled_output, sequence_output = bert_layer([input_word_ids, input_mask, segment_ids]) output = layers.Dense(1, activation='sigmoid')(pooled_output) model = tf.keras.models.Model(inputs=[input_word_ids, input_mask, segment_ids], outputs=output) return model # 准备数据 def create_input_data(sentences, labels): tokenizer = bert.tokenization.FullTokenizer(vocab_file=bert_path + "trainer/vocab.small", do_lower_case=True) # tokenizer = BertTokenizer.from_pretrained('bert-base-uncased') input_ids = [] input_masks = [] segment_ids = [] for sentence in sentences: tokens = tokenizer.tokenize(sentence) tokens = ["[CLS]"] + tokens + ["[SEP]"] input_id = tokenizer.convert_tokens_to_ids(tokens) input_mask = [1] * len(input_id) segment_id = [0] * len(input_id) padding_length = max_seq_length - len(input_id) input_id += [0] * padding_length input_mask += [0] * padding_length segment_id += [0] * padding_length input_ids.append(input_id) input_masks.append(input_mask) segment_ids.append(segment_id) return np.array(input_ids), np.array(input_masks), np.array(segment_ids), np.array(labels) # 加载训练数据 train_sentences = ["Example sentence 1", "Example sentence 2", ...] train_labels = [0, 1, ...] train_input_ids, train_input_masks, train_segment_ids, train_labels = create_input_data(train_sentences, train_labels) # 构建模型 model = create_model() model.compile(optimizer=tf.keras.optimizers.Adam(lr=learning_rate), loss='binary_crossentropy', metrics=['accuracy']) # 开始微调 model.fit([train_input_ids, train_input_masks, train_segment_ids], train_labels, batch_size=train_batch_size, epochs=num_train_epochs)这段代码有什么问题吗？
05-24
input_word_ids = tf.keras.layers.Input(shape=(max_seq_length,), dtype=tf.int32, name="input_word_ids") input_mask = tf.keras.layers.Input(shape=(max_seq_length,), dtype=tf.int32, name="input_mask")...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

飞华1993

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值