女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

如何通過開源的 TensorFlow.js BERT 模型來構建應用

Tensorflowers ? 來源:TensorFlow ? 作者: Philip Bayer;Ping ? 2020-10-21 10:59 ? 次閱讀

文 / 創(chuàng)意技術專家 Philip Bayer;軟件工程師 Ping Yu 和開發(fā)技術推廣工程師 Jason Mayes

在探索 BERT 針對語言的有益用例時,我們發(fā)現(xiàn)了許多令人興奮的研究。我們想知道:如果我們可以讓您更方便地在網(wǎng)絡瀏覽器中使用 BERT,將會怎么樣?這將實現(xiàn)哪些可能的有趣用例?

在 Google 中搜索提出類似于“自由女神像有多高?”的問題,并從網(wǎng)絡中得到答案(305 英尺)很容易。但是,還沒有辦法可以輕松針對具體內(nèi)容(例如,新聞報道、研究論文或文章)用自然語言提問。您或許可以嘗試使用瀏覽器中的“在網(wǎng)頁中查找”這一搜索功能 (CTRL + F),但此功能依賴于字詞的直接匹配(通過搜索的關鍵字進行匹配)。那么,輸入一個完整的問題而不是要查找的關鍵字,期待頁面上能夠突出顯示答案,會不會更易實現(xiàn)?

為了探索這一想法,我們使用 MobileBERT 問答模型制作了 Chrome 擴展程序的原型,可以在瀏覽網(wǎng)頁時提出任何問題。通過 TensorFlow.js ,該擴展程序會根據(jù)頁面內(nèi)容返回答案。模型完全在設備端的瀏覽器會話中運行,因此,無需向服務器發(fā)送內(nèi)容,這樣可以保護隱私。

MobileBERT 問答模型
https://github.com/tensorflow/tfjs-models/tree/master/qna

本文將介紹我們的早期試驗,并分享我們的發(fā)現(xiàn),闡述如何通過開源的 TensorFlow.js BERT 模型來構建此類應用。探索示例很有幫助,在一些示例中,我們得到了所需的答案,而在一些示例中,我們沒有得到所期待的結果。這讓我們得以了解模型的潛力及其當前限制。我們希望這些示例可以幫助所有人都參與進來,并讓每個人都能思考機器學習可以怎樣為語言提供幫助。

TensorFlow.js BERT 模型
https://github.com/tensorflow/tfjs-models/tree/master/qna

△ 使用 Chrome 擴展程序,問一個有關文章的問題,并得到答案

我們的發(fā)現(xiàn)

以下是我們獲得了有用答案的一些結果:

介紹螃蟹(鏈接見文末)- 問題:“How do they move?”答案:“Crabs typically walk sideways”

某產(chǎn)品照明燈介紹頁- 問題:“Can it get wet?”答案:“submersion in up to 1m of water for 30min”

某汽車測評 - 問題:“Gas mileage”答案:“19 miles per gallon in the city”

介紹木質(zhì)摩天樓 - 問題:“How tall is it”答案:“280 feet in height”

千層面配方介紹 - 問題:“How long in the oven”答案:“25 minutes”

在一些示例中,模型沒有返回我們期待的答案,但探索這些示例一樣有趣。以下是我們找到的幾個示例:

某產(chǎn)品介紹頁 - 問題:“What is the pitcher made of?”返回的答案是“Ice mode pulses at staggered intervals to uniformly crush a pitcher of ice in seconds”,而不是“BPA-free polycarbonate pitcher”

某文章 - 問題:“Were the sharks real?”返回的文字是“sharks! sharks”,但問到相關問題“How did the sharks work?”時,給出的答案較為有用:“mechanical sharks often malfunctioned”

機器學習模型的工作原理

MobileBERT 問答模型可用于構建一套可用自然語言來回答用戶問題的系統(tǒng)。模型使用預訓練的 BERT 模型創(chuàng)建,后者基于 SQuAD 1.1 (Stanford Question Answering Dataset) 進行了微調(diào)。這是一種預訓練語言表征的新方法,語言表示可以在各種自然語言處理 (NLP) 任務中獲取最前沿 (SOTA) 的結果。

MobileBERT 問答模型
https://github.com/tensorflow/tfjs-models/tree/master/qna

BERT 模型
https://github.com/google-research/bert

我們很高興地宣布,此模型現(xiàn)在可以在 TensorFlow.js 中供您的用例使用。MobileBERT 模型是一個緊湊型 BERT 變體,可以部署到資源有限的設備上。

TensorFlow.js 中
https://tensorflow.google.cn/js/models/

該模型將段落和問題作為輸入,然后返回一段最有可能回答問題的段落。由于我們使用的是 TensorFlow.js,所有操作均在客戶端的網(wǎng)絡瀏覽器中進行。這意味著,用戶隱私可以得到保護,不會將您的檢索文本發(fā)送到服務器。

TensorFlow.js
https://tensorflow.google.cn/js

TensorFlow.js BERT API

該模型使用起來超級簡單。請看下面的代碼段:

正如您看到的,前兩行用于從托管腳本中加載 TensorFlow.js 庫和 Q&A(問答)模型,因此,我們可以執(zhí)行問答搜索。這只需要調(diào)用一次 - 模型位于內(nèi)存中時,將保持加載狀態(tài)。然后,我們可以重復調(diào)用 findAnswers(),向其傳遞兩個字符串。第一個字符串是用戶要提出的問題,第二個字符串是我們想要用來進行搜索的文字(例如,頁面上的文字)。之后,我們將返回 results 對象,其結構如下所示:

[ { text: string, score: number, startIndex: number, endIndex: number } ]

您將獲得一組對象,表示可以最好地解答問題的段落的各個部分,同時還會獲得一個分數(shù),表示回答正確的置信度。另外,我們還會得到答案文字的索引,便于定位答案文字在上下文字符串中的位置。這就是全部內(nèi)容!借助此數(shù)據(jù),您現(xiàn)在可以突出顯示找到的文字,返回一些較豐富的結果,或?qū)崿F(xiàn)一些創(chuàng)造性的應用。


如果您想自己嘗試 MobileBERT 問答模型,我們很高興地告訴您,該模型現(xiàn)已開放源代碼,您可以在我們的 GitHub 倉庫中找到它。如果您實現(xiàn)了一些有趣應用,請與我們分享,我們期待看到有更多豐富的應用與創(chuàng)意!

GitHub
https://github.com/tensorflow/tfjs-models/tree/master/qna

分享
http://services.google.cn/fb/forms/TFCS/?channel=wechat

如果您想詳細了解 本文提及 的相關內(nèi)容,請參閱以下文檔。這些文檔深入探討了這篇文章中提及的許多主題:

介紹螃蟹
https://en.wikipedia.org/wiki/Crab

某產(chǎn)品頁介紹照明燈
https://www.rei.com/rei-garage/product/167000/black-diamond-spot-headlamp

某汽車測評
https://www.autotrader.com/car-reviews/2020-infiniti-q60-review-281474979991514

介紹木質(zhì)摩天樓
https://www.cnn.com/style/article/wooden-skyscraper-revolution-timber/index.html

千層面配方介紹
https://www.allrecipes.com/recipe/23600/worlds-best-lasagna/?internalSource=hub%20recipe&referringContentType=Search

某產(chǎn)品介紹頁
https://www.bedbathandbeyond.com/store/product/kitchenaid-reg-5-speed-diamond-blender/3242409

某文章
https://en.wikipedia.org/wiki/Jaws_(film)

責任編輯:xj

原文標題:用 TensorFlow.js 探索 BERT 在瀏覽器中的趣味實踐

文章出處:【微信公眾號:TensorFlow】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 網(wǎng)絡瀏覽器

    關注

    0

    文章

    10

    瀏覽量

    6286
  • tensorflow
    +關注

    關注

    13

    文章

    330

    瀏覽量

    61009
  • 自然語言
    +關注

    關注

    1

    文章

    291

    瀏覽量

    13593

原文標題:用 TensorFlow.js 探索 BERT 在瀏覽器中的趣味實踐

文章出處:【微信號:tensorflowers,微信公眾號:Tensorflowers】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    將YOLOv4模型轉(zhuǎn)換為IR的說明,無法將模型轉(zhuǎn)換為TensorFlow2格式怎么解決?

    遵照 將 YOLOv4 模型轉(zhuǎn)換為 IR 的 說明,但無法將模型轉(zhuǎn)換為 TensorFlow2* 格式。 將 YOLOv4 darknet 轉(zhuǎn)換為 Keras 模型時,收到 Type
    發(fā)表于 03-07 07:14

    構建開源OpenVINO?工具套件后,模型優(yōu)化器位于何處呢?

    構建開源OpenVINO?工具套件后,模型優(yōu)化器位于何處?
    發(fā)表于 03-06 08:18

    可以使用OpenVINO?工具包將中間表示 (IR) 模型轉(zhuǎn)換為TensorFlow格式嗎?

    無法將中間表示 (IR) 模型轉(zhuǎn)換為 TensorFlow* 格式
    發(fā)表于 03-06 06:51

    使用各種TensorFlow模型運行模型優(yōu)化器時遇到錯誤非法指令怎么解決?

    使用各種 TensorFlow 模型運行模型優(yōu)化器時遇到 [i]錯誤非法指令
    發(fā)表于 03-05 09:56

    如何使用Python構建LSTM神經(jīng)網(wǎng)絡模型

    : NumPy:用于數(shù)學運算。 TensorFlow:一個開源機器學習庫,Keras是其高級API。 Keras:用于構建和訓練深度學習模型。 你可以使用pip來安裝這些庫: pip
    的頭像 發(fā)表于 11-13 10:10 ?1341次閱讀

    利用TensorFlow實現(xiàn)基于深度神經(jīng)網(wǎng)絡的文本分類模型

    要利用TensorFlow實現(xiàn)一個基于深度神經(jīng)網(wǎng)絡(DNN)的文本分類模型,我們首先需要明確幾個關鍵步驟:數(shù)據(jù)預處理、模型構建模型訓練、
    的頭像 發(fā)表于 07-12 16:39 ?1389次閱讀

    TensorFlow是什么?TensorFlow怎么用?

    TensorFlow是由Google開發(fā)的一個開源深度學習框架,它允許開發(fā)者方便地構建、訓練和部署各種復雜的機器學習模型。TensorFlow
    的頭像 發(fā)表于 07-12 16:38 ?1171次閱讀

    使用TensorFlow進行神經(jīng)網(wǎng)絡模型更新

    使用TensorFlow進行神經(jīng)網(wǎng)絡模型的更新是一個涉及多個步驟的過程,包括模型定義、訓練、評估以及根據(jù)新數(shù)據(jù)或需求進行模型微調(diào)(Fine-tuning)或重新訓練。下面我將詳細闡述這
    的頭像 發(fā)表于 07-12 11:51 ?733次閱讀

    PyTorch神經(jīng)網(wǎng)絡模型構建過程

    PyTorch,作為一個廣泛使用的開源深度學習庫,提供了豐富的工具和模塊,幫助開發(fā)者構建、訓練和部署神經(jīng)網(wǎng)絡模型。在神經(jīng)網(wǎng)絡模型中,輸出層是尤為關鍵的部分,它負責將
    的頭像 發(fā)表于 07-10 14:57 ?802次閱讀

    請問ESP32如何運行TensorFlow模型

    請問ESP32如何運行TensorFlow模型?
    發(fā)表于 07-09 07:30

    tensorflow簡單的模型訓練

    在本文中,我們將詳細介紹如何使用TensorFlow進行簡單的模型訓練。TensorFlow是一個開源的機器學習庫,廣泛用于各種機器學習任務,包括圖像識別、自然語言處理等。我們將從安裝
    的頭像 發(fā)表于 07-05 09:38 ?1168次閱讀

    keras模型轉(zhuǎn)tensorflow session

    在這篇文章中,我們將討論如何將Keras模型轉(zhuǎn)換為TensorFlow session。 Keras和TensorFlow簡介 Keras是一個高級神經(jīng)網(wǎng)絡API,它提供了一種簡單、快速的方式
    的頭像 發(fā)表于 07-05 09:36 ?787次閱讀

    如何使用Tensorflow保存或加載模型

    TensorFlow是一個廣泛使用的開源機器學習庫,它提供了豐富的API構建和訓練各種深度學習模型。在
    的頭像 發(fā)表于 07-04 13:07 ?2463次閱讀

    如何在TensorFlow構建并訓練CNN模型

    TensorFlow構建并訓練一個卷積神經(jīng)網(wǎng)絡(CNN)模型是一個涉及多個步驟的過程,包括數(shù)據(jù)預處理、模型設計、編譯、訓練以及評估。下面,我將詳細闡述這些步驟,并附上一個完整的代碼
    的頭像 發(fā)表于 07-04 11:47 ?1560次閱讀

    TensorFlow的定義和使用方法

    數(shù)據(jù)流圖,從而簡化機器學習模型構建、訓練和部署。自2015年11月開源以來,TensorFlow迅速成為數(shù)據(jù)科學家、軟件開發(fā)者以及教育工作者廣泛使用的工具,廣泛應用于圖像識別、自然語
    的頭像 發(fā)表于 07-02 14:14 ?1288次閱讀