Bert-Multi-Label-Text-Classification
Ce dépôt contient une implémentation PyTorch d'un modèle BERT pré-entraîné pour la classification de texte multi-label.
Classifiez le texte en plusieurs catégories en utilisant un modèle d'IA pré-entraîné avec des étapes de configuration simples.
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 momentCe dépôt contient une implémentation PyTorch d'un modèle BERT pré-entraîné pour la classification de texte multi-label.
Bert-Multi-Label-Text-Classification compte 922 étoiles sur GitHub. Il a été forké 207 fois. Bert-Multi-Label-Text-Classification est écrit principalement en Python. Il est développé activement depuis 2019. Bert-Multi-Label-Text-Classification est disponible sous licence MIT. Ses principaux thèmes sont : albert, bert, fine-tuning, multi-label-classification.
Qu'est-ce que Bert-Multi-Label-Text-Classification ?
Ce dépôt contient une implémentation PyTorch d'un modèle BERT pré-entraîné pour la classification de texte multi-label.
Bert-Multi-Label-Text-Classification est-il open source ?
Bert-Multi-Label-Text-Classification est un projet open source. Il est distribué sous licence MIT.
Bert-Multi-Label-Text-Classification est-il gratuit ?
Oui. Bert-Multi-Label-Text-Classification est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Bert-Multi-Label-Text-Classification ?
Bert-Multi-Label-Text-Classification est disponible sous licence MIT.
Dans quel langage Bert-Multi-Label-Text-Classification est-il écrit ?
Bert-Multi-Label-Text-Classification 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://olud.ai/project/lonepatient-bert-multi-label-text-classification.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.