网易云课堂 自然语言处理动手学Bert文本分类

code

Bruce-Bert-Text-Classification.rar 3.24G

PPT

动手学习Bert文本分类.pdf 7.21M

资料

bert_pretrain

ERNIE_pretrain

pytorch_pretrained

THUCNews

————/计算机教程/10网易云课堂/066-自然语言处理动手学Bert文本分类//{1}课程/

{01}课程简介

(1.8)课程资料下载方式.pdf 187.26kb

[1.10]神经网络中的数据格式讲解.mp4 14.22M

[1.11]本文分类模型综述.mp4 7.38M

[1.1]动手学中文文本分类开篇.mp4 24.76M

[1.2]课堂实战试看1.mp4 14.53M

[1.3]课堂实战试看2.mp4 27.74M

[1.4]课堂实战试看3.mp4 17.65M

[1.5]课堂实战试看4.mp4 15.16M

[1.6]课堂实战试看5.mp4 55.61M

[1.7]自然语言处理简介.mp4 9.51M

[1.9]文本分类简介.mp4 12.22M

{02}Seq2Seq相关理论

[2.1]RNN理论及相关变体讲解.mp4 22.92M

[2.2]seq2seq理论讲解.mp4 24.75M

[2.3]seq2seq存在的问题.mp4 9.51M

{03}Attention机制

[3.1]注意力机制理论讲解.mp4 12.71M

[3.2]注意力机制数学公式讲解.mp4 21.75M

[3.3]引出self-attention的两个问题.mp4 9.95M

{04}Bert理论系列基础

[4.1]self-attention理论讲解..mp4 18.83M

[4.2]self-attention数学理论讲解.mp4 8.35M

[4.3]Multi-head-self-attention理论讲解.mp4 13.26M

[4.4]Transformer理论讲解.mp4 26.29M

[4.5]Bert理论讲解及文本分类模型讲解.mp4 13.67M

{05}基于Bert的文本分类实战

[5.10]数据预处理方法测试..mp4 25.35M

[5.11]数据集迭代器上.mp4 21.58M

[5.12]数据集迭代器下.mp4 27.68M

[5.13]数据迭代器测试.mp4 21.29M

[5.14]参数衰减分析.mp4 29.65M

[5.15]训练步骤详细讲解.mp4 15.87M

[5.16]模型训练详细讲解.mp4 21.93M

[5.17]模型训练部分代码完成.mp4 45.56M

[5.18]模型评估方法详细讲解.mp4 48.37M

[5.19]模型测试方法详细讲解.mp4 15.96M

[5.1]项目环境构建.及数据集简介.mp4 14.53M

[5.20]模型整体debug上.mp4 30.45M

[5.21]模型整体debug中.mp4 205.51M

[5.22]模型整体debug下.mp4 154.40M

[5.23]GPU下完整训练第一个Epoch.mp4 29.08M

[5.24]GPU下完整训练第二个Epoch.mp4 96.48M

[5.25]GPU下完整训练第三个Epoch.mp4 39.65M

[5.26]GPU下完整训练后模型测试.mp4 21.60M

[5.27]GPU下使用Bert非fine-tuning过程.mp4 94.55M

[5.2]BruceBert配置类构建上.mp4 27.74M

[5.3]BruceBert配置类构建下.mp4 17.65M

[5.4]模型构建上.mp4 15.16M

[5.5]模型构建下.mp4 55.61M

[5.6]模型验证.mp4 18.38M

[5.7]bulid_dataset加载数据集讲解.mp4 13.21M

[5.8]数据预处理上.mp4 19.18M

[5.9]数据预处理下.mp4 11.42M

{06}基于Bert+CNN的文本分类实战

[6.10]Bert+TextCNN模型类init方法讲解.mp4 29.89M

[6.11]Bert+TextCNN模型forword方法上.mp4 21.83M

[6.12]Bert+TextCNN模型forword方法下.mp4 26.16M

[6.13]数据加载优化.mp4 20.40M

[6.14]卷积后的维度分析讲解.mp4 23.33M

[6.15]模型构建完成.mp4 70.27M

[6.16]模型训练与预测.mp4 18.64M

[6.1]CNN整体流程讲解.mp4 15.02M

[6.2]CNN中的卷积详细讲解.mp4 17.81M

[6.3]CNN中的Pooling讲解.mp4 9.26M

[6.4]TextCNN中的文本卷积与N-gram关系.mp4 10.01M

[6.5]TextCNN原理详细讲解.mp4 19.33M

[6.6]TextCNN与CNN区别于联系.mp4 10.46M

[6.7]Bert+TextCNN配置类上.mp4 16.03M

[6.8]Bert+TextCNN配置类下.mp4 15.32M

[6.9]Bert+TextCNN配置类验证.mp4 91.48M

{07}基于Bert+RNN的文本分类实战

[7.1]RNN详解.mp4 18.85M

[7.2]LSTM详解.mp4 54.81M

[7.3]Config类实现及校验.mp4 14.65M

[7.4]BruceBertRNN类init函数实现.mp4 21.15M

[7.5]BruceBertRNN类forward函数实现.mp4 23.55M

[7.6]模型对比与结果分析.mp4 57.48M

{08}基于Bert+RCNN的文本分类实战

[8.1]RCNN理论讲解.mp4 9.96M

[8.2]Config类实现及校验.mp4 17.94M

[8.3]BruceBertRCNN类init函数实现.mp4 12.08M

[8.4]BruceBertRCNN类forward函数实现.mp4 98.45M

[8.5]BruceBertRCNN训练过程完整演示.mp4 70.23M

{09}基于Bert+DPCNN的文本分类实战

[9.1]DPCNN理论讲解.mp4 66.55M

[9.2]Config类实现及校验.mp4 11.36M

[9.3]BruceBertDPCNN类init函数实现.mp4 23.46M

[9.4]BruceBertDPCNN类forward函数实现.mp4 50.98M

[9.5]BruceBertDPCNN类block函数实现.mp4 72.38M

[9.6]模型对比与结果分析.mp4 12.71M

{10}基于ERNIE的文本分类实战

[10.1]ERNIE模型理论讲解.mp4 11.49M

[10.2]基于ERNIE+FC文本分类实战演示.mp4 55.83M

[10.3]ERNIE+DPCNN文本分类实战演示.mp4 26.01M