Tensorflow2.0之CRF的下载

最新推荐文章于 2021-12-30 22:23:56 发布
最新推荐文章于 2021-12-30 22:23:56 发布
阅读量1.1k 收藏 3
点赞数
文章标签： tensorflow python 深度学习
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/weixin_43788143/article/details/108653691
版权

近期想用Tensorflow2.0版本做一个BiLSTM+CRF的实体识别，在Tensorflow1.x的版本中 contrib模块中有CRF，可是发现Tensorflow2.0把contrib模块去掉了。后来在网上翻了一些资料查到CRF还在测试和更新。有一个包叫tensorflow_addons 在这个里面有集成CRF。GitHub 这是连接。
然后我使用 pip install tensorflow_addon 发现可以下载 下载成功以后我试着导入了一下

在这里插入图片描述
发现完全可以导入进来，至于其效果好不好等用过了再做评价。

辰溪0502
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
tf2crf:张量流2 keras的CRF层
05-16
tf2crf 一个简单的CRF层用于tensorflow 2 keras 支持keras遮罩 安装 $ pip install tf2crf 特征 易于使用的带有张量流的CRF层 支持混合精度训练 支持具有DSC丢失的ModelWithCRFLossDSCLoss，这会在数据不平衡的情况下提高f1得分（请参阅） 注意力 在keras_contrib中添加CRF之类的内部内核，因此现在无需在CRF层之前堆叠Dense层。 我已经更改了将损耗函数和精度函数放在CRF层中的以前的方式。 相反，我选择使用ModelWappers（称为jaspersjsun），它更干净，更灵活。 尖端 tensorflow> = 2.1.0建议使用与您的tf版本兼容的最新tensorflow-addons。 例子 import tensorflow as tf from tf2CRF import CRF
Tensorflow2.0 Tensorflow_addons实现CRF（条件随机场）
qq_41626059的博客
10-16 4910
最近想使用TF2.0实现一下命名实体识别，但是不大知道条件随机场该怎么实现，在网上搜了一下也没看到。今早吃饭的时候还在想我一定要亲自实现TF2版本的条件随机场。结果就在上课的时候突然发现了谷歌把contrib迁移到Tensorflow_addons里面 import tensorflow_addons as tfa import tensorflow as tf import numpy as np inputs=tf.random.truncated_normal([2,10,5]) target=tf
tensorflow2.0安装CRF包
niutnt的博客
12-14 824
tensorflow2.0 安装CRF包 tensorflow2.0安装CRF包 git网址： https://github.com/keras-team/keras-contrib 安装步骤如下： # Install keras_contrib for keras-team/keras # For instructions on how to install Keras, see the Keras installation page. git clone https://www.github.com
Tensorflow2.0 Bert模型NER 数据预处理.rar
08-20
tensorflow2.0 对实体命名识别的数据预处理 1
tensorflow 按维度相加_tensorflow中crf源码解析
weixin_39611725的博客
11-22 250
刚学习lstm+crf时，就阅读过crf层的源码，发现时间一久，就忘了。这次准备重新阅读一下，顺便做个笔记。主要的目的是深入理解代码细节，提高自己编写模型的能力。本文假定大家对lstm+crf的基本原理基本清楚。如果还不是很清楚，建议看看这篇论文： Bidirectional LSTM-CRF Models for Sequence Tagging 公众号后台回复 crf (全部小写) ...
Python-一个非常简单的BiLSTMCRF模型用于中文命名实体识别TensorFlow
08-11
一个非常简单的 BiLSTM-CRF 模型用于中文命名实体识别 (TensorFlow)
tensorflow中crf模块函数解析
涛涛不绝蕾蕾于冬
06-28 4979
        这篇博客主要想解释一下tensorflow中crf模块的几个函数的输入输出是什么意思。作为预备知识，建议英文好的同学先看下这篇博客，这篇博客有8个小节，前5个小节比较通俗易懂，后3个小节感觉不太理解。当然我也会先讲一下bilstm+crf的基本原理，主要讲一下模型的损失函数。 一、预备知识  ...
基于tensorflow2.0实现BiLSTM-CRF，调用tensorflow-addons CRF层失败 # from crf import CRF
qq_34373543的博客
11-18 2704
基于tensorflow2.0实现BiLSTM-CRF，调用tensorflow-addons CRF层失败 # from crf import CRF from tensorflow_addons.layers.crf import CRF import tensorflow as tf from tensorflow.keras.models import Sequential maxLen = 10 vocabSize = 20 model=Sequential() model.add(tf.ker
tensorflow keras crf实现
小姑仔的博客
06-22 1819
import tensorflow_addons as tfa import tensorflow as tf import numpy as np inputs=tf.random.truncated_normal([2,10,5]) target=tf.convert_to_tensor(np.random.randint(5,size=(2,10)),dtype=tf.int32) out=tf.keras.layers.Softmax(inputs) lens=tf.convert_to_ten
BILSTM-CRF原理介绍与tensorflow实现
linchuhai的博客
06-25 9335
1. 引言     在自然语言处理中，很多任务都涉及到序列标注，比如词性标注、分词、命名实体识别等，这些任务都有一个特点是输入序列和标签序列是等长的，因此，常用的解决方法有HMM、MEMM、CRF等，本文将介绍一个2015年提出来的非常经典模型，即BILSTM-CRF模型，该模型现在已经成为命名实体识别、词性标注、分词等任务的主流模型。 论文地址：《Bidirectional LSTM-CRF ...
LSTM-CNNs-CRF.rar
06-04
LSTM-CNNs-CRF模型，论文《End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF》的复现
CRF
向阳争渡
03-19 1912
随机场：由若干个子集组成的一个整体，而每个子集都按照某个分布随机赋予一个值，这个场就叫随机场。 马尔科夫随机场：随机场中某一位置的赋值仅与其相邻位置的赋值有关，和与其不相邻位置的赋值无关。 CRF是马尔科夫随机场的特例，它假设马尔科夫随机场中只有X和Y两种变量，X一般是给定的，而Y一般是在给定X的条件下的输出。 BiLSTM-CRF在NER上的实践总结 使用基于字的BILSTM-CRF，可...
基于tensorflow2.x的命名实体识别任务（三）
donruo的博客
12-30 1461
上一篇博客介绍了文本分类任务的text_cnn模型，本篇博客主要介绍一下另一个常见的nlp任务，命名实体识别。简单来说，命名实体识别也可以算分类，但是它的不同点在它是对整个句子的每一个字做实体标签预测，也可以称为序列标注任务。 还是从以下几个步骤来简单说明一下命名实体识别任务： 一、原始数据预处理 首先来看下命名实体识别任务的语料和标签是怎么样的，其中一条样本可以如下示例： text:人 民 网 1 月 1 日 讯 据 《 纽 约 时 报 》 报 道 , 美 国 华 尔 街 股 市...
Python3.7+Tensorflow2.0(TF2)实现Bilstm+mask-self-attention+CRF实现命名实体识别
qq_41626059的博客
10-20 4420
一、他说的是对的 前几天看到一篇关于大连理工大学的研三学长的去世新闻，仔细看了他的遗书，很是泪目。他说同样的条件，做出的实验结果是不同的。 在训练我这个模型的时候，深深体会到了这个感受，有时候收敛，有时候无论怎么也不收敛。可能这个还容易解释一点，模型的很多参数是初始化的，不同的参数会跑到局部最you，模型陷在了一个局部最优点，出不去。 可能我这个模型的结构和参数都有问题，在训练过程中，损失最低也就是0.9+，然后别的一直就很高，都是三位数的损失，然后在测试集上训练的损失也很高，很是头疼的。 希望大家一起加油
2021-05-12
qq_43584475的博客
05-12 291
Tensorflow2.+版本使用CRF 最近因为GPU原因从tf1.x转到tf2.x，许多方法都用不了了，其中就有CRF，特此记录一下 之前CRF一直都存在于tf1.x中的contrib中，不过tf2.x连contrib都没了，CRF也转到了tensorflow_addons下 调用方式 import tensorflow_addons或者pip list查看一下 没有的话就pip安装即可: pip install tensorflow_addons 安装好了直接调用即可： import tensor
基于Tensorflow使用CRF（条件随机场）解决词性标注问题
想不出一个好的标题，就用这个吧
07-28 2797
最近一直在看吴茂贵老师的《Python深度学习：基于TensorFlow》，前几天看到了概率图模型这一块，讲到了贝叶斯网络和马尔可夫网络等；其中后者主要讲到了马尔可夫随机场和条件随机场，于是今天就动手敲了一遍书中给的代码，讲真，代码有点乱，对于小白来说看着可能会生无可恋，咱们出发吧～～ 关于词性标注稍微说明一下，比如给你一个句子：You are beautiful。标准的“主系表”结构，大家...
TensorFlow2（版本2.5.0）学习笔记（含keras_bert、W2V）
lucky_chaichai的博客
02-03 4417
1、设置CPU/GPU运行环境： 指定使用CPU： import tensorflow as tf tf.debugging.set_log_device_placement (True) # 设置输出运算所在的设备 cpus = tf.config.list_physical_devices ('CPU') # 获取当前设备的 CPU 列表 tf.config.set_visible_devices (cpus) # 设置TensorFlow的可见设备范围为cpu 2、tf定义变量
tensorflow中使用crf层用于ner
samoyan的博客,记录技术成长~
03-11 680
def project_crf_layer(self, embedding_chars, name=None): """ hidden layer between input layer and logits :param lstm_outputs: [batch_size, num_steps, emb_size] :return: [batch_size, num_steps, num_tags] """ ...
Tensorflow 损失函数定义
weixin_38000064的博客
05-15 316
import tensorflow as tffrom numpy.random import RandomStatebatch_size = 8x = tf.placeholder(tf.float32, shape=(None, 2), name='x-input')y_ = tf.placeholder(tf.float32, shape=(None, 1), name='y-input')
TensorFlow2.0怎么用crf
最新发布
04-24
在TensorFlow 2.0中使用CRF，可以使用TensorFlow Addons提供的CRF layer。首先需要安装TensorFlow Addons： ``` !pip install tensorflow-addons ``` 然后就可以使用CRF layer了。以下是一个简单的示例： ```python import tensorflow as tf import tensorflow_addons as tfa import numpy as np # 创建一个CRF layer crf = tfa.layers.CRF(units=3, name='crf') # 输入文本序列 text_sequence = tf.constant([[1, 2, 0, 0], [3, 1, 2, 0]]) # 真实标签序列 true_sequence = tf.constant([[1, 2, 0, 0], [3, 1, 2, 0]]) # 计算损失 log_likelihood, _ = crf([text_sequence, true_sequence]) loss = tf.reduce_mean(-log_likelihood) # 预测标签序列 predicted_sequence, _ = crf(text_sequence) print('损失：', loss) print('真实标签序列：', true_sequence) print('预测标签序列：', predicted_sequence) ``` 上述代码中，创建了一个CRF layer，并使用了输入的文本序列和真实标签序列计算了损失。然后，通过CRF layer预测了标签序列。注意，这里的标签序列指的是类别标签序列，而不是生成的文本。
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

辰溪0502

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