网易云课堂自然语言处理动手学Bert文本分类

2022年11月5日 29条评论 2,219次阅读

资源简介

文章目录

Bert作为目前自然语言处理领域最流行的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火，本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。

资源目录

————/计算机教程/10网易云课堂/066-自然语言处理动手学Bert文本分类/动手学Bert文本分类/
├──code  
|   └──Bruce-Bert-Text-Classification.rar  3.24G
├──PPT  
|   └──动手学习Bert文本分类.pdf  7.21M
└──资料  
|   ├──bert_pretrain  
|   ├──ERNIE_pretrain  
|   ├──pytorch_pretrained  
|   └──THUCNews

————/计算机教程/10网易云课堂/066-自然语言处理动手学Bert文本分类//{1}--课程/
├──{01}--课程简介  
|   ├──(1.8)--课程资料下载方式.pdf  187.26kb
|   ├──[1.10]--神经网络中的数据格式讲解.mp4  14.22M
|   ├──[1.11]--本文分类模型综述.mp4  7.38M
|   ├──[1.1]--动手学中文文本分类开篇.mp4  24.76M
|   ├──[1.2]--课堂实战试看1.mp4  14.53M
|   ├──[1.3]--课堂实战试看2.mp4  27.74M
|   ├──[1.4]--课堂实战试看3.mp4  17.65M
|   ├──[1.5]--课堂实战试看4.mp4  15.16M
|   ├──[1.6]--课堂实战试看5.mp4  55.61M
|   ├──[1.7]--自然语言处理简介.mp4  9.51M
|   └──[1.9]--文本分类简介.mp4  12.22M
├──{02}--Seq2Seq相关理论  
|   ├──[2.1]--RNN理论及相关变体讲解.mp4  22.92M
|   ├──[2.2]--seq2seq理论讲解.mp4  24.75M
|   └──[2.3]--seq2seq存在的问题.mp4  9.51M
├──{03}--Attention机制  
|   ├──[3.1]--注意力机制理论讲解.mp4  12.71M
|   ├──[3.2]--注意力机制数学公式讲解.mp4  21.75M
|   └──[3.3]--引出self-attention的两个问题.mp4  9.95M
├──{04}--Bert理论系列基础  
|   ├──[4.1]--self-attention理论讲解..mp4  18.83M
|   ├──[4.2]--self-attention数学理论讲解.mp4  8.35M
|   ├──[4.3]--Multi-head-self-attention理论讲解.mp4  13.26M
|   ├──[4.4]--Transformer理论讲解.mp4  26.29M
|   └──[4.5]--Bert理论讲解及文本分类模型讲解.mp4  13.67M
├──{05}--基于Bert的文本分类实战  
|   ├──[5.10]--数据预处理方法测试..mp4  25.35M
|   ├──[5.11]--数据集迭代器上.mp4  21.58M
|   ├──[5.12]--数据集迭代器下.mp4  27.68M
|   ├──[5.13]--数据迭代器测试.mp4  21.29M
|   ├──[5.14]--参数衰减分析.mp4  29.65M
|   ├──[5.15]--训练步骤详细讲解.mp4  15.87M
|   ├──[5.16]--模型训练详细讲解.mp4  21.93M
|   ├──[5.17]--模型训练部分代码完成.mp4  45.56M
|   ├──[5.18]--模型评估方法详细讲解.mp4  48.37M
|   ├──[5.19]--模型测试方法详细讲解.mp4  15.96M
|   ├──[5.1]--项目环境构建.及数据集简介.mp4  14.53M
|   ├──[5.20]--模型整体debug上.mp4  30.45M
|   ├──[5.21]--模型整体debug中.mp4  205.51M
|   ├──[5.22]--模型整体debug下.mp4  154.40M
|   ├──[5.23]--GPU下完整训练第一个Epoch.mp4  29.08M
|   ├──[5.24]--GPU下完整训练第二个Epoch.mp4  96.48M
|   ├──[5.25]--GPU下完整训练第三个Epoch.mp4  39.65M
|   ├──[5.26]--GPU下完整训练后模型测试.mp4  21.60M
|   ├──[5.27]--GPU下使用Bert非fine-tuning过程.mp4  94.55M
|   ├──[5.2]--BruceBert配置类构建上.mp4  27.74M
|   ├──[5.3]--BruceBert配置类构建下.mp4  17.65M
|   ├──[5.4]--模型构建上.mp4  15.16M
|   ├──[5.5]--模型构建下.mp4  55.61M
|   ├──[5.6]--模型验证.mp4  18.38M
|   ├──[5.7]--bulid_dataset加载数据集讲解.mp4  13.21M
|   ├──[5.8]--数据预处理上.mp4  19.18M
|   └──[5.9]--数据预处理下.mp4  11.42M
├──{06}--基于Bert+CNN的文本分类实战  
|   ├──[6.10]--Bert+TextCNN模型类init方法讲解.mp4  29.89M
|   ├──[6.11]--Bert+TextCNN模型forword方法上.mp4  21.83M
|   ├──[6.12]--Bert+TextCNN模型forword方法下.mp4  26.16M
|   ├──[6.13]--数据加载优化.mp4  20.40M
|   ├──[6.14]--卷积后的维度分析讲解.mp4  23.33M
|   ├──[6.15]--模型构建完成.mp4  70.27M
|   ├──[6.16]--模型训练与预测.mp4  18.64M
|   ├──[6.1]--CNN整体流程讲解.mp4  15.02M
|   ├──[6.2]--CNN中的卷积详细讲解.mp4  17.81M
|   ├──[6.3]--CNN中的Pooling讲解.mp4  9.26M
|   ├──[6.4]--TextCNN中的文本卷积与N-gram关系.mp4  10.01M
|   ├──[6.5]--TextCNN原理详细讲解.mp4  19.33M
|   ├──[6.6]--TextCNN与CNN区别于联系.mp4  10.46M
|   ├──[6.7]--Bert+TextCNN配置类上.mp4  16.03M
|   ├──[6.8]--Bert+TextCNN配置类下.mp4  15.32M
|   └──[6.9]--Bert+TextCNN配置类验证.mp4  91.48M
├──{07}--基于Bert+RNN的文本分类实战  
|   ├──[7.1]--RNN详解.mp4  18.85M
|   ├──[7.2]--LSTM详解.mp4  54.81M
|   ├──[7.3]--Config类实现及校验.mp4  14.65M
|   ├──[7.4]--BruceBertRNN类init函数实现.mp4  21.15M
|   ├──[7.5]--BruceBertRNN类forward函数实现.mp4  23.55M
|   └──[7.6]--模型对比与结果分析.mp4  57.48M
├──{08}--基于Bert+RCNN的文本分类实战  
|   ├──[8.1]--RCNN理论讲解.mp4  9.96M
|   ├──[8.2]--Config类实现及校验.mp4  17.94M
|   ├──[8.3]--BruceBertRCNN类init函数实现.mp4  12.08M
|   ├──[8.4]--BruceBertRCNN类forward函数实现.mp4  98.45M
|   └──[8.5]--BruceBertRCNN训练过程完整演示.mp4  70.23M
├──{09}--基于Bert+DPCNN的文本分类实战  
|   ├──[9.1]--DPCNN理论讲解.mp4  66.55M
|   ├──[9.2]--Config类实现及校验.mp4  11.36M
|   ├──[9.3]--BruceBertDPCNN类init函数实现.mp4  23.46M
|   ├──[9.4]--BruceBertDPCNN类forward函数实现.mp4  50.98M
|   ├──[9.5]--BruceBertDPCNN类block函数实现.mp4  72.38M
|   └──[9.6]--模型对比与结果分析.mp4  12.71M
└──{10}--基于ERNIE的文本分类实战  
|   ├──[10.1]--ERNIE模型理论讲解.mp4  11.49M
|   ├──[10.2]--基于ERNIE+FC文本分类实战演示.mp4  55.83M
|   └──[10.3]--ERNIE+DPCNN文本分类实战演示.mp4  26.01M