Transformer自然語言處理實戰-使用Hugging Face Transformers庫構建NLP應用 9787
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$884
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：Transformer自然語言處理實戰-使用Hugging Face Transformers庫構建NLP應用 ISBN：9787111741923 出版社：機械工業 著編譯者：(澳)路易斯.湯斯頓 (瑞士)萊安德羅.馮.韋拉 (法)托馬 頁數：343 所在地：中國大陸 *此為代購商品 書號：1610692 可大量預訂，請先連絡。 【台灣高等教育出版社簡體書】 Transformer自然語言處理實戰-使用Hugging Face Transformers庫構建NLP應用 787111741923 (澳)路易斯.湯斯頓 (瑞士)萊安德羅.馮.韋拉 (法)托馬 內容簡介 本書涵蓋了Transformer在NLP領域的主要應用。首先介紹Transformer模型和Hugging Face生態系統。然後重點介紹情感分析任務以及Trainer API、Transformer的架構，並講述了在多語言中識別文本內實體的任務，以及Transformer模型生成文本的能力，還介紹了解碼策略和度量指標。接著深入挖掘了文本摘要這個複雜的序列到序列的任務，並介紹了用於此任務的度量指標。之後聚焦于構建基於評論的問答系統，介紹如何基於Haystack進行信息檢索，探討在缺乏大量標註數據的情況下提高模型性能的方法。最後展示如何從頭開始構建和訓練用於自動填充Python源代碼的模型，並總結Transformer面臨的挑戰以及將這個模型應用於其他領域的一些新研究。作者簡介 路易斯·湯斯頓（Lewis Tunstall）是Hugging Face機器學習工程師，致力於為NLP社區開發實用工具，並幫助人們更好地使用這些工具。目錄 序前言 第1章 歡迎來到Transformer的世界 1 1 編碼器-解碼器框架 1 2 注意力機制 1 3 NLP的遷移學習 1 4 Hugging FaceTransformers庫：提供規範化介面 1 5 Transformer應用概覽 1 6 Hugging Face生態系統 1 7 Transformer的主要挑戰 1 8 本章小結 第2章 文本分類 2 1 數據集 2 2 將文本轉換成詞元 2 3 訓練文本分類器 2 4 本章小結 第3章 Transformer架構剖析 3 1 Transformer架構 3 2 編碼器 3 3 解碼器 3 4 認識Transformer 3 5 本章小結 第4章 多語言命名實體識別 4 1 數據集 4 2 多語言Transformer 4 3 多語言詞元化技術 4 4 命名實體識別中的Transformers 4 5 自定義Hugging Face Transformers庫模型類 4 6 NER的詞元化 4 7 性能度量 4 8 微調XLM-RoBERTa 4 9 錯誤分析 4 10 跨語言遷移 4 11 用模型小部件進行交互 4 12 本章小結 第5章 文本生成 5 1 生成連貫文本的挑戰 5 2 貪婪搜索解碼 5 3 束搜索解碼 5 4 採樣方法 5 5 top-k和核採樣 5 6 哪種解碼方法最好 5 7 本章小結 第6章 文本摘要 6 1 CNN/DailyMail數據集 6 2 文本摘要pipeline 6 3 比較不同的摘要 6 4 度量生成文本的質量 6 5 在CNN/DailyMail數據集上評估PEGASUS 6 6 訓練摘要模型 6 7 本章小結 第7章 構建問答系統 7 1 構建基於評論的問答系統 7 2 評估並改進問答pipeline 7 3 生成式問答 7 4 本章小結 第8章 Transformer模型調優 8 1 以意圖識別為例 8 2 創建性能基準 8 3 通過知識蒸餾減小模型大小 8 4 利用量化技術使模型運算更快 8 5 基準測試量化模型 8 6 使用ONNX和ONNX Runtime進行推理優化 8 7 使用權重剪枝使模型更稀疏 8 8 本章小結 第9章 零樣本學習和少樣本學習 9 1 構建GitHub issue標記任務 9 2 基線模型—樸素貝葉斯 9 3 零樣本學習 9 4 少樣本學習 9 5 利用無標註數據 9 6 本章小結 第10章 從零訓練Transformer模型 10 1 如何尋找大型數據集 10 2 構建詞元分析器 10 3 從零訓練一個模型 10 4 結果與分析 10 5 本章小結 第11章 未來發展趨勢 11 1 Transformer的擴展 11 2 其他應用領域 11 3 多模態的Transformer 11 4 繼續前行的建議 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
