- 博客(8)
- 收藏
- 关注
RSS订阅原创 优化bert_large_ner提高ORG实体的边界识别能力（二）
【代码】优化bert_large_ner提高ORG实体的边界识别能力：示例代码写一下具体如何处理原本的BIO数据集，达到自己的数据集与bert分词器获得的label可以对应的效果，以及最后padding到统一长度，方便输入模型中。然后把df转化成dataset格式，能正确输入到模型中
2024-07-15 17:52:34
284
原创 优化bert_large_ner提高ORG实体的边界识别能力（一）
使用wikier数据集对hugging face的bert-large-ner模型进行微调，提高ner模型的准确率和泛化能力，这里数据集使用了IOB标注，需要进行BIO格式的标签统一。
2024-07-15 17:32:52
862
原创 NLTK库的安装：nltk.download()失败后如何手动下载语料库
NLTK库的安装：nltk.download()失败后如何手动下载语料库
2024-02-03 15:54:51
1433
1
原创 【anaconda报错】CondaSSLError: OpenSSL appears to be unavailable on this machine.问题记录与解决方法
【anaconda报错】CondaSSLError: OpenSSL appears to be unavailable on this machine.问题记录与解决方法
2024-02-03 15:26:22
4144
6
原创 读取IOB标注数据，并转化为BIO标注格式（二）
上一章详细解释了BIO和IOB数据标注的区别，并且对转化步骤做了详细说明。这一章以wikierNER数据集为例，展示读取IOB标注数据，并将其转化为BIO标注格式相关代码。
2024-01-03 18:43:28
548
原创 读取IOB标注数据，并转化为BIO标注格式（一）
BIO标注方法和IOB标注方法是用于命名实体识别（Named Entity Recognition，NER）任务的常用标注方法。以下代码可以读取IOB标注数据，并将其转化为BIO标注格式。
2024-01-03 18:18:23
938
原创 GlobalAveragePooling2D层和Flatten层
GlobalAveragePooling2D层是一种全局平均池化层，在该层中，每个特征图的特征被计算出来后，通过对每个特征图取平均值得到一个标量特征。这样，无论输入图像的尺寸大小如何变化，最终得到的特征都是固定长度的。相比较Flatten层，GlobalAveragePooling2D层会保留更少的特征信息，但减少了参数量和计算量。它可以将每个像素都看作是独立的特征，将二维或多维的图像特征转换为一维特征表示。Flatten层保留了更多的特征信息，但会增加模型的参数数量。
2023-09-18 15:51:44
469
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人