吴恩达gradio课程：文本摘要和NER

API Token获取

获取方式参考：
Hugging Face的API token获取方式指南

文本摘要

• 使用distilbart-cnn模型构建了一个文本摘要应用。该模型专门用于文本摘要任务。
• 使用Gradio创建了一个简单的用户界面,允许用户输入文本并生成摘要。
• 使用了一个BERT模型构建了一个命名实体识别应用。该模型可以识别文本中的人名、地名和机构名实体。使用Gradio创建了一个用户界面,显示了带有实体高亮的原始文本。

小型专家模型

• 相比大型通用语言模型,小型专家模型在特定NLP任务上的效果可以一样好。
  小型模型计算速度更快,部署使用更高效。大型模型计算资源消耗大,响应速度慢。
• 小型模型训练成本更低。大型模型需要大量数据、计算资源和时间来训练。
  本课使用的DistilBART和BERT模型都是小型专家模型。DistilBART是BART的蒸馏版本,专为文本摘要任务设计。BERT经过微调,非常适合命名实体识别。
  小型模型往往是通过知识蒸馏从大型模型中学习而来,能够保留大型模型的