- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用来自 TensorFlow Hub 的 Bert 并构建一个分词器,这就是我正在做的:
>>> import tensorflow_hub as hub
>>> from bert.tokenization import FullTokenizer
>>> BERT_URL = 'https://tfhub.dev/tensorflow/bert_zh_L-12_H-768_A-12/1'
>>> bert_layer = hub.KerasLayer(BERT_URL, trainable=False)
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py:1781: calling BaseResourceVariable.__init__ (from tensorflow.python.ops.resource_variable_ops) with constraint is deprecated and will be removed in a future version.
Instructions for updating:
If using Keras pass *_constraint arguments to layers.
WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py:1781: calling BaseResourceVariable.__init__ (from tensorflow.python.ops.resource_variable_ops) with constraint is deprecated and will be removed in a future version.
Instructions for updating:
If using Keras pass *_constraint arguments to layers.
但是现在当我检查已解析对象中的 vocab 文件时,我得到一个空张量
>>> bert_layer.resolved_object.vocab_file.asset_path.shape
TensorShape([])
获取此 vocab 文件的正确方法是什么?
最佳答案
试试这个:
FullTokenizer = bert.bert_tokenization.FullTokenizer
bert_layer = hub.KerasLayer("https://tfhub.dev/tensorflow/bert_en_uncased_L-12_H-768_A-12/1", trainable=False)
vocab_file = bert_layer.resolved_object.vocab_file.asset_path.numpy() #The vocab file of bert for tokenizer
tokenizer = FullTokenizer(vocab_file)
然后您可以使用分词器进行分词。
tokenizer.tokenize('Where are you going?')
['w', '##hee', '##re', 'are', 'you', 'going', '?']
您还可以将其他函数传递到分词器中。例如:
do_lower_case = bert_layer.resolved_object.do_lower_case.numpy()
tokenizer = FullTokenizer(vocab_file, do_lower_case)
tokenizer.tokenize('Where are you going?')
['在哪里', '是', '你', '去', '?']
关于tensorflow - 如何从 TF Hub 获取 Bert tokenizer 的 vocab 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59654175/
当处理数百万文档并将它们保存为空间文档以供以后使用(更多处理、可视化、提取特征)时,一种明显的扩展解决方案是并行/分布式处理。这意味着每个并行进程都将拥有自己的 Vocab,这些 Vocab 可能会随
这不是一个新问题,我找到的引用文献没有任何适合我的解决方案 first和 second .我是 PyTorch 的新手,面对 AttributeError: 'Field' object has no
下面的代码是获取每个句子的文档的示例代码。 Get docs 为了获取每个单词的属性,我们使用文档,示例代码如下。 Get Tokens 通过深入挖掘 spacy 代码,我发现对于每个名词,我们确实有
我正在处理约 10 万篇研究论文的语料库。我正在考虑三个领域: 明文 标题 摘要 我使用 TfIdfVectorizer 获取明文字段的 TfIdf 表示,并将由此产生的词汇反馈回标题和摘要的 Vec
什么是@vocab JSON-LD 中的属性?正如我所见,您可以“导入”远程词汇表,但这与您可以使用 @context 做的事情不一样吗? ?如果我没有错,那么您可以为 @context“导入”远程源
我正在尝试使用来自 TensorFlow Hub 的 Bert 并构建一个分词器,这就是我正在做的: >>> import tensorflow_hub as hub >>> from bert.to
我看到别人的BERT模型,其中vocab.txt的大小是22110,但是bert_config.json中vocab_size参数的值为21128。 我明白这两个数字一定是完全一样的。是吗? 最佳答案
假设我有这个有效的微数据增强 HTML 片段: Example (我已经用谷歌的结构化数据测试工具对此进行了测试。) 现在我想添加一个在 schema.org 中不可用但在不同词汇中的属性(在
此问题适合那些熟悉 GPT 或 GPT2 的人OpenAI 模型。特别是编码任务(字节对编码)。这是我的问题: 我想知道如何创建自己的 vocab.bpe 文件。 我有一个西类牙语语料库文本,我想用它
当我尝试查看批处理时,通过打印 BucketIterator 对象的下一次迭代,抛出了 AttributeError。 tv_datafields=[("Tweet",TEXT), ("Anger",
我正在执行的所有代码是: from __future__ import unicode_literals import spacy from spacy.vocab import Vocab nlp
我是一名优秀的程序员,十分优秀!