Bert-Multi-Label-Text-Classification
Questo repo contiene un'implementazione PyTorch di un modello BERT pre-addestrato per la classificazione testuale multi-etichetta.
Classifica il testo in più categorie utilizzando un modello IA pre-addestrato con semplici passaggi di configurazione.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiQuesto repo contiene un'implementazione PyTorch di un modello BERT pre-addestrato per la classificazione testuale multi-etichetta.
Bert-Multi-Label-Text-Classification ha 922 stelle su GitHub. È stato forkato 207 volte. Bert-Multi-Label-Text-Classification è scritto principalmente in Python. È in sviluppo attivo dal 2019. Bert-Multi-Label-Text-Classification è disponibile con licenza MIT. I suoi temi principali sono: albert, bert, fine-tuning, multi-label-classification.
Che cos'è Bert-Multi-Label-Text-Classification?
Questo repo contiene un'implementazione PyTorch di un modello BERT pre-addestrato per la classificazione testuale multi-etichetta.
Bert-Multi-Label-Text-Classification è open source?
Bert-Multi-Label-Text-Classification è un progetto open source. È rilasciato con licenza MIT.
Bert-Multi-Label-Text-Classification è gratuito?
Sì. Bert-Multi-Label-Text-Classification è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Bert-Multi-Label-Text-Classification?
Bert-Multi-Label-Text-Classification è disponibile con licenza MIT.
In quale linguaggio è scritto Bert-Multi-Label-Text-Classification?
Bert-Multi-Label-Text-Classification è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/lonepatient-bert-multi-label-text-classification.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.