Kashgari
Kashgari est un cadre de transfert d'apprentissage NLP de niveau production construit sur tf.keras pour le marquage de texte et la classification de texte, incluant Word2Vec, BERT et GPT2 pour l'embedding de langage.
Construisez des modèles avancés de traitement de texte pour des tâches comme la classification de texte et la reconnaissance d'entités en utilisant un cadre simple.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentKashgari est un cadre de transfert d'apprentissage NLP de niveau production construit sur tf.keras pour le marquage de texte et la classification de texte, incluant Word2Vec, BERT et GPT2 pour l'embedding de langage.
Kashgari compte 2.4k étoiles sur GitHub. Il a été forké 431 fois. Kashgari est écrit principalement en Python. Il est développé activement depuis 2019. Kashgari est disponible sous licence Apache-2.0. Ses principaux thèmes sont : bert, bert-model, gpt-2, machine-learning.
Qu'est-ce que Kashgari ?
Kashgari est un cadre de transfert d'apprentissage NLP de niveau production construit sur tf.keras pour le marquage de texte et la classification de texte, incluant Word2Vec, BERT et GPT2 pour l'embedding de langage.
Kashgari est-il open source ?
Kashgari est un projet open source. Il est distribué sous licence Apache-2.0.
Kashgari est-il gratuit ?
Oui. Kashgari est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Kashgari ?
Kashgari est disponible sous licence Apache-2.0.
Dans quel langage Kashgari est-il écrit ?
Kashgari est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/brikerman-kashgari.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.