Los tutoriales de procesamiento de texto de TensorFlow brindan instrucciones paso a paso para resolver problemas comunes de procesamiento de texto y lenguaje natural (NLP).
TensorFlow ofrece dos soluciones para el procesamiento de texto y lenguaje natural: KerasNLP y TensorFlow Text. KerasNLP es una biblioteca NLP de alto nivel que incluye todos los modelos más recientes basados en Transformer, así como utilidades de tokenización de nivel inferior. Es la solución recomendada para la mayoría de los casos de uso de NLP.
Si necesita acceso a herramientas de procesamiento de texto de nivel inferior, puede usar TensorFlow Text. TensorFlow Text proporciona una colección de operaciones y bibliotecas para ayudarlo a trabajar con entradas en forma de texto, como cadenas de texto sin procesar o documentos.
Keras PNL
- Primeros pasos con KerasNLP : Aprenda KerasNLP realizando un análisis de sentimientos en niveles progresivos de complejidad, desde el uso de un modelo previamente entrenado hasta la construcción de su propio Transformer desde cero.
Generación de texto
- Generación de texto con un RNN : genere texto utilizando un RNN basado en caracteres y un conjunto de datos de la escritura de Shakespeare.
- Traducción automática neuronal con atención : entrene un modelo de secuencia a secuencia (seq2seq) para la traducción de español a inglés.
- Traducción automática neuronal con un Transformer y Keras : Cree y entrene un modelo de Transformer de secuencia a secuencia para traducir del portugués al inglés.
- Subtítulos de imágenes con atención visual : Genere subtítulos de imágenes utilizando un modelo de decodificador de transformador creado con capas de atención.
Clasificación de texto
- Clasifique texto con BERT : ajuste BERT para realizar análisis de opinión en un conjunto de datos de reseñas de películas de IMDb de texto sin formato.
- Clasificación de texto con un RNN : entrene un RNN para realizar un análisis de opinión en las reseñas de películas de IMDb.
- Métricas de TF.Text : Obtenga información sobre las métricas disponibles a través de TensorFlow Text. La biblioteca contiene implementaciones de métricas de similitud de texto como ROUGE-L, que se pueden usar para la evaluación automática de modelos de generación de texto.
PNL con BERT
- Resuelva tareas de GLUE usando BERT en TPU : aprenda a ajustar BERT para tareas desde el punto de referencia de GLUE .
- Ajuste fino de un modelo BERT : Ajuste fino de un modelo BERT con TensorFlow Model Garden .
- Aprendizaje profundo de idiomas consciente de la incertidumbre con BERT-SNGP : aplique SNGP a una tarea de comprensión del lenguaje natural (NLU). Sobre la base de un codificador BERT, mejorará la capacidad del modelo NLU para detectar consultas fuera de alcance.
incrustaciones
- Incrustaciones de palabras : entrene sus propias incrustaciones de palabras usando un modelo Keras simple para una tarea de clasificación de sentimientos y luego visualícelas usando el proyector de incrustaciones .
- Matriz de capa de incrustación de inicio en caliente : aprenda a "iniciar en caliente" el entrenamiento para un modelo de clasificación de opiniones de texto.
- word2vec : entrene un modelo de word2vec en un pequeño conjunto de datos y visualice las incrustaciones entrenadas en el proyector de incrustaciones .