GluonNLP:NLP变得简单

快速入门：快速示例

下面是一个下载并创建单词嵌入模型的快速示例，然后计算两个单词之间的余弦相似度。

（您可以单击下面的播放按钮来运行此示例。）

模型动物园

单词嵌入model_zoo/word_embeddings/index.html

将单词映射到向量。

语言建模model_zoo/language_model/index.html

学习单词序列的分布和表示。

机器翻译model_zoo/machine_translation/index.html

从“你好”到“你好”。

文本分类模型_zoo/text_classification/index.html

对文本和文档进行分类。

情绪分析model_zoo/sementiment_analysis/index.html

对情绪和观点的极性进行分类。

正在分析model_zoo/parsing/index.html

依赖项分析。

自然语言推理模型_zoo/natural_language_inference/index.html

确定前提是否在语义上包含假设。

文本生成model_zoo/text_generation/index.html

从模型生成语言。

BERT（误码率）model_zoo/bert/index.html

将预先训练好的语言表征转移到语言理解任务中。

命名实体识别model_zoo/ner/index.html

定位和分类非结构化文本中提到的命名实体。

意向分类和插槽标签model_zoo/intent_cls_slot_labeling/index.html

预测查询的意图并提取查询中的语义概念。

模型转换model_zoo/conversion_tools/index.html

将NLP模型从其他框架转换为GluonNLP。

还有更多教程.

安装

选择首选项并运行安装命令。

操作系统： Linux操作系统 macOS操作系统 窗户

版本： 稳定 夜间 来源

稳定释放。
夜间使用最新功能打造。
从源代码安装GluonNLP。

后端： 本地 CUDA公司 MKL-DNN公司 CUDA+MKL-DNN公司

CPU的内置后端。
需要在Nvidia GPU上运行。
提高英特尔CPU性能。
启用Nvidia GPU和Intel CPU加速。

前提条件：

  • 夜间建造为爱好者提供了最新功能。

命令：

pip安装--升级mxnet gluonnlp
#这里我们假设安装了CUDA 10.0。你可以更改号码
#根据您自己的CUDA版本。pip安装--升级mxnet-cu100 gluonnlp
pip安装--升级mxnet-mkl-gluonnlp
#这里我们假设安装了CUDA 10.0。你可以更改号码
#根据您自己的CUDA版本。pip安装--升级mxnet-cu100mkl gluonnlp
pip安装-预升级mxnethttps://github.com/dmlc/gluon-nlp/tarball/master
pip安装--预升级mxnet-cu100https://github.com/dmlc/gluon-nlp/tarball/master
pip安装--预升级mxnet-mklhttps://github.com/dmlc/gluon-nlp/tarball/master
pip安装--预升级mxnet-cu100mklhttps://github.com/dmlc/gluon-nlp/tarball/master
pip安装--预升级mxnetgit克隆https://github.com/dmlc/gluon-nlp--分支主机光盘胶子-nlp&&python setup.py安装--用户
pip安装--预升级mxnet-cu100git克隆https://github.com/dmlc/gluon-nlp光盘胶子-nlp&&python setup.py安装--用户
pip安装--预升级mxnet-mklgit克隆https://github.com/dmlc/gluon-nlp光盘胶子-nlp&&python setup.py安装--用户
pip安装--预升级mxnet-cu100mklgit克隆https://github.com/dmlc/gluon-nlp光盘胶子-nlp&&python setup.py安装--用户

检查安装了解更多安装说明和选项。

关于GluonNLP

提示

您可以找到我们主开发分支的文档在这里.

GluonNLP提供最先进（SOTA）深度学习的实现NLP中的模型，并为文本数据管道和模型构建块。它是为工程师、研究人员和学生设计的，用于快速原型基于这些模型的研究思路和产品。该工具包提供了五个主要功能：

  1. 训练脚本以重现研究论文中报告的SOTA结果。

  2. 常见NLP任务的预训练模型。

  3. 精心设计的API大大降低了实现复杂性。

  4. 帮助开始新NLP任务的教程。

  5. 社区支持。

该工具包假设用户具有关于深度学习和NLP公司。否则，请参阅介绍课程，如深入学习或斯坦福CS224n.如果您不熟悉Gluon，请查看Gluon文档.你可能会发现从那里链接的60分钟Gluon速成课程特别有用。