Il s'agit de l'application Linux nommée spacy-transformers dont la dernière version peut être téléchargée sous le nom v1.3.2sourcecode.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée spacy-transformers avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
transformateurs spatiaux
DESCRIPTION
spaCy prend en charge un certain nombre de workflows de transfert et d'apprentissage multitâche qui peuvent souvent aider à améliorer l'efficacité ou la précision de votre pipeline. L'apprentissage par transfert fait référence à des techniques telles que les tableaux de vecteurs de mots et la préformation de modèles de langage. Ces techniques peuvent être utilisées pour importer des connaissances à partir de texte brut dans votre pipeline, afin que vos modèles puissent mieux généraliser à partir de vos exemples annotés. Vous pouvez convertir des vecteurs de mots à partir d'outils populaires tels que FastText et Gensim, ou vous pouvez charger n'importe quel modèle de transformateur pré-formé si vous installez des transformateurs spacy. Vous pouvez également faire votre propre pré-formation de modèle de langue via la commande spacy pre train. Vous pouvez même partager votre transformateur ou un autre modèle d'intégration contextuelle sur plusieurs composants, ce qui peut rendre les longs pipelines plusieurs fois plus efficaces. Pour utiliser l'apprentissage par transfert, vous aurez besoin d'au moins quelques exemples annotés de ce que vous essayez de prédire.
Fonctionnalités
- Couches d'intégration partagées
- Vous pouvez partager un seul transformateur ou un autre modèle tok2vec entre plusieurs composants en ajoutant un transformateur
- Utiliser des modèles de transformateur
- Les modèles de transformateurs peuvent être utilisés comme remplacements instantanés
- Vous pouvez également personnaliser la manière dont le composant Transformer définit les annotations
- Le flux de travail recommandé pour la formation consiste à utiliser le système de configuration de spaCy
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/spacy-transformers.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
