EasyBert，基于Pytorch的Bert应用

基于Pytorch的Bert应用，包括命名实体识别、情感分析、文本分类以及文本相似度等(后续更新其他方向相关模块)，并有相关数据与深度训练优化方式api。各个子项目大都为开源工作，本项目仅做相应处理以及提供一个已训练的预测接口，方便需求者进行快速的使用。

使用示例

1. 使用前需下载相应的已训练模型，并导入相应位置 模型下载地址：链接：https://pan.baidu.com/s/1fyENks6pJ3rreHPCRBzpKQ 提取码：qotk
2. 在此目录下各以需求名命名的文件中提供相应的使用演示，本阶段所训练的模型效果可以满足相应任务的基本需求。
3. 现阶段通过各任务接口的时间相对慢，大都是在模型加载阶段。若想提升相应的速度，请使用者在接受相应精度损失的前提下更换AlBert进行相应任务的重新预训练。

项目 代码，数据集 获取方式：

关注微信公众号 datayx 然后回复 bert 即可获取。

AI项目体验地址 https://loveai.tech

环境依赖

python >= 3.7 Pytorch >= 1.14 transformers >= 2.8.0
注：作者实验环境，其他环境未测试

硬件依赖

1. 预测与使用在普通cpu机器上既可以运行
2. 重新训练任务需要在GPU机器上进行，当内存不够用时，推荐减少batch_size而不是max_sequence_len，对精度影响较小

使用说明

• 注：各个模块的文本输入方式均为List，具体形式请参照文件。

情感分析 Sentiment.py

原始训练数据：该部分原数据因项目原因不提供，如需重新训练可更换其他开源数据集.

文本分类 TextClassifier.py

命名实体识别 NER.py

文本相似度 TextMatch.py

训练优化

1. EMA 指数滑动平均
2. FGM 对抗训练api
3. PGD 对抗训练api

相关源代码已有优秀开源，本项目借鉴训练时部分加入相关训练优化trcik，部分保持原始代码复现格式，若需相关训练优化功能，相关代码及使用方式已给出，按需使用。

机器学习算法AI大数据技术

搜索公众号添加： datanlp