Hugging Face 实战系列 总目录

置顶 已于 2023-12-31 18:22:17 修改
阅读量1.8k 收藏 7
点赞数 3
分类专栏： Hugging Face实战 文章标签： 自然语言处理 人工智能 Hugging Face pytorch transformer nlp
于 2023-09-02 17:13:42 首次发布
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_50592077/article/details/132640360
版权

PyTorch 深度学习 开发环境搭建 全教程

Transformer:《Attention is all you need》

Hugging Face简介

Hugging Face 开发环境 全教程

1、Hugging Face实战-系列教程1：Tokenizer分词器（Transformer工具包/自然语言处理）

Hungging Face实战-系列教程1：Tokenizer分词器（Transformer工具包/自然语言处理）_机器学习杨卓越的博客-CSDN博客

2、 Hugging Face实战-系列教程2：AutoModel模型自动选择工具

Hugging Face实战-系列教程2：AutoModel模型自动选择工具_机器学习杨卓越的博客-CSDN博客

3、Hugging Face实战-系列教程3：AutoModelForSequenceClassification文本2分类

Hugging Face实战-系列教程3：AutoModelForSequenceClassification文本2分类_机器学习杨卓越的博客-CSDN博客

4、Hugging Face实战-系列教程4：padding与attention_mask

Hugging Face实战-系列教程4：padding与attention_mask_机器学习杨卓越的博客-CSDN博客

5、 Hugging Face实战-系列教程5：NER上篇（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)

Hugging Face实战-系列教程5：NER上（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)_机器学习杨卓越的博客-CSDN博客

6、Hugging Face实战-系列教程6：NER中篇（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)

Hugging Face实战-系列教程6：NER中篇（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)_机器学习杨卓越的博客-CSDN博客

7、Hugging Face实战-系列教程7：NER下篇（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)

Hugging Face实战-系列教程7：NER下篇（命名实体识别/文本标注/Doccano工具使用/关键信息抽取/Token分类/源码解读/代码逐行解读/文本BIO处理/文本分类/序列标注)_机器学习杨卓越的博客-CSDN博客

8、Hugging Face实战-系列教程8：GLUE数据集/文本分类上（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）

Hugging Face实战-系列教程8：GLUE数据集/文本分类上（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）_机器学习杨卓越的博客-CSDN博客

9、 Hugging Face实战-系列教程9：GLUE数据集/文本分类下（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）

Hugging Face实战-系列教程9：GLUE数据集/文本分类下（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）_机器学习杨卓越的博客-CSDN博客

10、Hugging Face实战-系列教程10：文本预训练模型构建1（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理/随机mask）、项目实战、源码解读

Hugging Face实战-系列教程10：文本预训练模型构建1（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理/随机mask）、项目实战、源码解读_机器学习杨卓越的博客-CSDN博客

11、Hugging Face实战-系列教程11：文本预训练模型构建2（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理/随机mask）、项目实战、源码解读

Hugging Face实战-系列教程11：文本预训练模型构建2（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理）、项目实战、源码解读_机器学习杨卓越的博客-CSDN博客

12、Hugging Face实战-系列教程12：文本预训练模型构建3（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理/随机mask）、项目实战、源码解读

Hugging Face实战-系列教程12：文本预训练模型构建3（模型自动导入/transformers/BERT/模型蒸馏/文本截断处理/随机mask）、项目实战、源码解读_机器学习杨卓越的博客-CSDN博客

13、 从零构建属于自己的GPT系列1：数据预处理（文本数据预处理、文本数据tokenizer、逐行代码解读）

从零构建属于自己的GPT系列1：数据预处理（文本数据预处理、文本数据tokenizer、逐行代码解读）-CSDN博客

14、从零构建属于自己的GPT系列2：模型训练1（预训练中文模型加载、中文语言模型训练、逐行代码解读）

从零构建属于自己的GPT系列2：模型训练1（预训练中文模型加载、中文语言模型训练、逐行代码解读）-CSDN博客

15、从零构建属于自己的GPT系列3：模型训练2（训练函数解读、模型训练函数解读、代码逐行解读）

从零构建属于自己的GPT系列3：模型训练2（训练函数解读、模型训练函数解读、代码逐行解读）-CSDN博客

16、从零构建属于自己的GPT系列4：模型训练3（训练过程解读、序列填充函数、损失计算函数、评价函数、代码逐行解读）

从零构建属于自己的GPT系列4：模型训练3（训练过程解读、序列填充函数、损失计算函数、评价函数、代码逐行解读）-CSDN博客

17、从零构建属于自己的GPT系列5：模型部署1（文本生成函数解读、模型本地化部署、文本生成文本网页展示、代码逐行解读）

从零构建属于自己的GPT系列5：模型部署1（文本生成函数解读、模型本地化部署、文本生成文本网页展示、代码逐行解读）-CSDN博客

18、从零构建属于自己的GPT系列6：模型本地化部署2（文本生成函数解读、模型本地化部署、文本生成文本网页展示、代码逐行解读）

从零构建属于自己的GPT系列6：模型本地化部署2（文本生成函数解读、模型本地化部署、文本生成文本网页展示、代码逐行解读）-CSDN博客

 19、Hugging Face实战-系列教程19：文本摘要建模实战1

机器学习杨卓越
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Transformers源码解析/Hugging Face实战/NLP实战//预训练模型/分词器
07-12
你只需要知道，到了今天在NLP领域的所有任务，都可以用Transformer结合Hugging Face去玩就行了。 2012年的word2vec到现在除了科研机构，已经完全不需要使用了。绝大多数的算法工程师和科研人员都没有机会去参与词...
官宣：Hugging Face x ILLA Cloud 深度合作
Datawhale
02-14 199
Datawhale发布官宣：Hugging Face x ILLA CloudILLA Cloud 正式宣布与 Hugging Face 达成深度合作,将在我们的产品中集成使用 Hugging Face 的 AI 模型库和其他相关功能。随着 OpenAI 和 ChatGPT 的爆火,大家逐渐把目光聚焦到了 AIGC 的赛道。越来越多的人也意识到 AIGC 可以给生产力工具带来大幅度的优化和提升...
Hugging Face出品:如何快速跟上NLP领域最新技术？
金石软件
05-23 3337
【导读】Hugging Face团队的大牛们，在博客上分享了自己认为的，能够帮助你了解自然语言处理前沿问题和技术的论文列表，小编将文章翻译成了中文，大家一起来看看吧。 原文地址： https://medium.com/huggingface/the-best-and-most-current-of-modern-natural-language-processing-5055f409...
Hugging Face实战-系列教程1：Tokenizer分词器（Transformer工具包/自然语言处理）
机器学习与软件工程
07-07 2261
Hugging Face实战-系列教程1：Tokenizer分词器（Transformer工具包/自然语言处理）
Hugging Face实战-系列教程19：文本摘要建模实战1 之 数据清洗（中文商城评价数据处理方法）
机器学习与软件工程
12-18 526
Hugging Face实战-系列教程19：文本摘要建模实战1 之 数据清洗（中文商城评价数据处理方法）
Hugging Face实战-系列教程19：文本摘要建模实战1（中文商城评价数据处理方法）
12-18
Hugging Face实战-系列教程19：文本摘要建模实战1（中文商城评价数据处理方法）
Hugging Face实战（NLP实战/Transformer实战/预训练模型/模型微调/PyTorch版本）下篇之模型训练
07-12
Hugging Face实战（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）下篇之模型训练
Hugging Face实战（NLP实战/预训练模型/分词器/模型自动选择/PyTorch版本/代码逐行解析）上篇之模型调用
07-12
Hugging Face实战（NLP实战/Transformer实战/预训练模型/分词器/模型微调/模型自动选择/PyTorch版本/代码逐行解析）上篇之模型调用
Python本地离线运行机器翻译代码示例 基于Hugging Face
08-14
# Python本地离线运行机器翻译代码示例 基于Hugging Face 本项目演示了如何调用Hugging Face的大模型实现本地离线实现机器翻译，Python代码简洁易懂，方便上手，能够快速实现强大的离线翻译功能。 使用方法： 1. ...
基于transformers框架实践Bert系列2--命名实体识别
代码还是得自己扣
05-17 803
本系列用于Bert模型实践实际场景，分别包括分类器、命名实体识别、机器阅读、多选选择、文本摘要等等。（关于Bert的结构和详细这里就不做讲解，但了解Bert的基本结构是做实践的基础，因此看本系列之前，最好了解一下transformers和Bert等）本篇主要讲解命名实体识别应用场景。
基于transformers框架实践Bert系列4-文本相似度
代码还是得自己扣
05-17 957
本系列用于Bert模型实践实际场景，分别包括分类器、命名实体识别、阅读理解、多选选择、文本摘要等等。（关于Bert的结构和详细这里就不做讲解，但了解Bert的基本结构是做实践的基础，因此看本系列之前，最好了解一下transformers和Bert等）本篇主要讲解应用场景。
探索Ollama——入门：如何在本地环境中搭建和自定义大型语言模型
最新发布
南七小僧的学海无涯
05-23 782
在当今快速发展的人工智能时代，大型语言模型（LLMs）已经成为技术前沿的热点话题。Ollama，作为一个开创性的工具，使得开发者能够在本地环境中轻松运行和管理这些强大的模型。无论是进行自然语言处理、代码生成还是其他AI驱动的任务，Ollama都提供了一个简单、高效的解决方案。Ollama的主要特点包括其对多种操作系统的支持、对Docker的集成、以及一个丰富的模型库，让用户可以根据自己的需要选择和运行不同的模型。
大语言模型的工程技巧（四）——梯度检查点
LLM学堂
05-21 782
本文将讨论如何利用梯度检查点算法来减少模型在训练时候（更准确地说是运行反向传播算法时）的内存开支。这在训练超大规模的模型时会用到。
[论文笔记]Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
日积月累，天道酬勤
05-21 996
⭐ 思维链轮笔记：作者提出了通过生成一系列中间推理步骤的思维链，可以显著提升大型语言模型在进行复杂推理时的能力，但是仅限于100B以上的大模型。
基于transformers框架实践Bert系列3-单选题
代码还是得自己扣
05-17 943
本系列用于Bert模型实践实际场景，分别包括分类器、命名实体识别、阅读理解、多选选择、文本摘要等等。（关于Bert的结构和详细这里就不做讲解，但了解Bert的基本结构是做实践的基础，因此看本系列之前，最好了解一下transformers和Bert等）本篇主要讲解应用场景。
GPT-3：自然语言处理的预训练模型
Kimi2024的博客
05-23 347
GPT-3作为当前最先进的NLP预训练模型之一，展示了强大的语言生成和理解能力。尽管其应用面临一定的挑战，但其带来的创新和可能性不可忽视。随着技术的不断进步，GPT-3及其后续版本必将在更多领域中发挥重要作用，推动人机交互和自然语言处理的进一步发展。
2024-05-21 问AI: 介绍一下大语言模型的推理过程。
baidu_24377669的博客
05-21 907
对于一些需要推理和解释的问题，模型会生成一个内部的推理路径，通过一系列的思维步骤来形成答案。大语言模型（Large Language Model, LLM）的推理过程是一个复杂的认知过程，它涉及到对输入的文本信息的理解、分析以及相应的回答生成。需要注意的是，这只是一个简化的描述，实际的推理过程非常复杂，涉及到大量的计算和复杂的神经网络机制。综上所述，大语言模型的推理过程是一个复杂的流程，涉及到细致的输入处理、自注意力机制的应用以及多种优化技术的运用，目的是在保证生成质量的同时提高推理的效率和速度。
【NLP练习】seq2seq实战
Elfin_z的博客
05-18 416
通过使用Teacher Forcing策略，可以在训练解码器时平衡模型的预测能力和稳定性，同时也提供了更灵活的生成模式选择。
hugging face
09-10
Hugging Face是一个开源的自然语言处理（NLP）模型和数据集库。它提供了各种预训练模型和数据集，可以帮助开发者在NLP任务中快速构建和训练模型。 Hugging Face提供了Transformer类库，其中包含了各种预训练的NLP模型，如BERT、GPT等。这些模型可以用来进行文本分类、命名实体识别、问答系统等各种NLP任务。 此外，Hugging Face还提供了Datasets类库，其中包含了各种常用的NLP数据集，如IMDB电影评论、新闻分类等。开发者可以使用这些数据集来进行模型训练和评估。 除了提供现成的模型和数据集，Hugging Face还支持迁移学习。当Hugging Face提供的预训练模型不能满足需求时，开发者可以使用这些模型作为基础，在自己的数据集上进行微调训练，以适应特定的NLP任务。 要使用Hugging Face进行迁移学习，首先需要访问Hugging Face Datasets页面，选择合适的数据集。这些数据集可以根据标签或名称进行筛选。 总之，Hugging Face是一个强大的NLP工具库，提供了丰富的预训练模型和数据集，可以帮助开发者更高效地开展自然语言处理任务。

“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
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

机器学习杨卓越

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