|
000
|
02033nam0 22003131 450
|
|
001
|
0120210517
|
|
005
|
20240920210517.0
|
|
010
|
|
@a978-7-5763-2227-9@dCNY99.00
|
|
100
|
|
@a20230519d2023 em y0chiy0121 ea
|
|
101
|
1
|
@achi@ctur@cper
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a精通Transformer@Ajing tong Transformer@e从零开始构建最先进的NLP模型@f(土) 萨瓦斯·伊尔蒂利姆, (伊朗) 梅萨姆·阿斯加里-切纳格卢著@d= Mastering Transformers@ebuild state-of-the-art models from scratch with advanced natural language processing techniques@fSavas Yildirim, Meysam Asgari-Chenaghlu@g江红, 余青松, 余靖译@zeng
|
|
210
|
|
@a北京@c北京理工大学出版社@d2023.04
|
|
215
|
|
@a11, 266页@c图@d24cm
|
|
300
|
|
@a颉腾科技
|
|
330
|
|
@a本书通过展示如何编写第一个hello-world程序, 介绍了Transformers。然后将了解分词器的工作原理以及如何训练您自己的分词器。随着学习的深入, 将探索自动编码模型 (如BERT) 和自回归模型 (如GPT) 的架构。还将了解如何针对各种自然语言理解 (NLU) 和自然语言生成 (NLG) 问题训练和微调模型, 包括文本分类、标记分类和文本表示。本书还可以帮助学习解决具有挑战性问题的有效模型, 如计算能力有限的长上下文NLP任务。还将处理多语言和跨语言问题, 通过监控模型的性能来优化模型, 并了解如何解构这些模型以实现可解释性和可解释性。最后, 将能够在生产环境中部署您的转换器模型。读完这本NLP书籍, 将学会如何使用Transformers使用高级模型解决高级NLP问题。
|
|
510
|
1
|
@aMastering Transformers@ebuild state-of-the-art models from scratch with advanced natural language processing techniques@zeng
|
|
517
|
1
|
@a从零开始构建最先进的NLP模型@Acong ling kai shi gou jian zui xian jin de NLPmo xing
|
|
606
|
0
|
@a自然语言处理@Azi ran yu yan chu li
|
|
690
|
|
@aTP391@v5
|
|
701
|
1
|
@a伊尔蒂利姆@Ayi er di li mu@g(Yildirim, Savas)@4著
|
|
701
|
1
|
@a阿斯加里-切纳格卢@Aa si jia li - qie na ge lu@g(Asgari-Chenaghlu, Meysam)@4著
|
|
702
|
0
|
@a江红@Ajiang hong@4译
|
|
702
|
0
|
@a余青松@Ayu qing song@4译
|
|
702
|
0
|
@a余靖@Ayu jing@4译
|
|
801
|
0
|
@aCN@b人天书店@c20230519
|
|
905
|
|
@aCKNYKJZYXY@b300705813-4@dTP391@e132@f2
|
|
|
|
|
| |
| 精通Transformer：从零开始构建最先进的NLP模型/(土) 萨瓦斯·伊尔蒂利姆, (伊朗) 梅萨姆·阿斯加里-切纳格卢著= Mastering Transformers：build state-of-the-art models from scratch with advanced natural language processing techniques/Savas Yildirim, Meysam Asgari-Chenaghlu/江红, 余青松, 余靖译.-北京：北京理工大学出版社，2023.04 |
| 11, 266页：图；24cm |
| 颉腾科技 |
| |
| ISBN 978-7-5763-2227-9：CNY99.00 |
| 本书通过展示如何编写第一个hello-world程序, 介绍了Transformers。然后将了解分词器的工作原理以及如何训练您自己的分词器。随着学习的深入, 将探索自动编码模型 (如BERT) 和自回归模型 (如GPT) 的架构。还将了解如何针对各种自然语言理解 (NLU) 和自然语言生成 (NLG) 问题训练和微调模型, 包括文本分类、标记分类和文本表示。本书还可以帮助学习解决具有挑战性问题的有效模型, 如计算能力有限的长上下文NLP任务。还将处理多语言和跨语言问题, 通过监控模型的性能来优化模型, 并了解如何解构这些模型以实现可解释性和可解释性。最后, 将能够在生产环境中部署您的转换器模型。读完这本NLP书籍, 将学会如何使用Transformers使用高级模型解决高级NLP问题。 |
| ● |
正题名：精通Transformer
索取号：TP391/132
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
705813
|
300705813
|
流通五库四楼/
[索取号:TP391/132]
|
在馆
|
|
|
2
|
705814
|
300705814
|
流通五库四楼/
[索取号:TP391/132]
|
在馆
|
|
