TensorFlow metin işleme eğitimleri, yaygın metin ve doğal dil işleme (NLP) sorunlarını çözmek için adım adım talimatlar sağlar.
TensorFlow, metin ve doğal dil işleme için iki çözüm sunar: KerasNLP ve TensorFlow Text. KerasNLP, en yeni Transformer tabanlı modellerin yanı sıra alt düzey simgeleştirme yardımcı programlarını içeren üst düzey bir NLP kitaplığıdır. Çoğu NLP kullanım durumu için önerilen çözümdür.
Alt düzey metin işleme araçlarına erişmeniz gerekiyorsa TensorFlow Text'i kullanabilirsiniz. TensorFlow Text, ham metin dizileri veya belgeler gibi metin biçimindeki girdilerle çalışmanıza yardımcı olacak bir işlem ve kitaplık koleksiyonu sağlar.
KerasNLP
- KerasNLP'ye Başlarken : Önceden eğitilmiş bir model kullanmaktan kendi Transformer'ınızı sıfırdan oluşturmaya kadar, aşamalı karmaşıklık düzeylerinde duygu analizi yaparak KerasNLP'yi öğrenin.
Metin oluşturma
- RNN ile metin oluşturma : Karakter tabanlı bir RNN ve Shakespeare'in yazdıklarının bir veri kümesini kullanarak metin oluşturun.
- Dikkatli sinirsel makine çevirisi : İspanyolcadan İngilizceye çeviri için diziden diziye (seq2seq) bir model eğitin.
- Bir Transformer ve Keras ile sinirsel makine çevirisi : Portekizceyi İngilizceye çevirmek için bir diziden diziye Transformer modeli oluşturun ve eğitin.
- Görsel dikkatle görüntü alt yazısı oluşturma : Dikkat katmanlarıyla oluşturulmuş bir Transformer-kod çözücü modeli kullanarak görüntü alt yazıları oluşturun.
Metin sınıflandırması
- Metni BERT ile sınıflandırın : Düz metin IMDb film incelemelerinden oluşan bir veri kümesi üzerinde duyarlılık analizi gerçekleştirmek için BERT'de ince ayar yapın.
- RNN ile metin sınıflandırması : IMDb film incelemelerinde duygu analizi yapmak için bir RNN eğitin.
- TF.Text Metrics : TensorFlow Text aracılığıyla kullanılabilen metrikler hakkında bilgi edinin. Kitaplık, metin oluşturma modellerinin otomatik olarak değerlendirilmesi için kullanılabilen ROUGE-L gibi metin benzerliği ölçümlerinin uygulamalarını içerir.
BERT ile NLP
- TPU'da BERT kullanarak GLUE görevlerini çözün : GLUE değerlendirmesinden görevler için BERT'ye nasıl ince ayar yapacağınızı öğrenin.
- Bir BERT modelinde ince ayar yapma : TensorFlow Model Garden kullanarak bir BERT modelinde ince ayar yapın.
- BERT-SNGP ile Belirsizliğe Duyarlı Derin Dil Öğrenimi : SNGP'yi doğal dil anlama (NLU) görevine uygulayın. Bir BERT kodlayıcıyı temel alarak, NLU modelinin kapsam dışı sorguları algılama yeteneğini geliştireceksiniz.
yerleştirmeler
- Sözcük yerleştirmeleri : Duygu sınıflandırma görevi için basit bir Keras modeli kullanarak kendi sözcük yerleştirmelerinizi eğitin ve ardından Gömme Projektörünü kullanarak bunları görselleştirin.
- Warm-start katıştırma katmanı matrisi : Bir metin duyarlılığı sınıflandırma modeli için "warm-start" eğitiminin nasıl yapıldığını öğrenin.
- word2vec : Küçük bir veri kümesi üzerinde bir word2vec modeli eğitin ve eğitilen yerleştirmeleri Gömme Projektöründe görselleştirin.