自然语言处理之动手学Bert文本分类实战-Pytorch
〖课程简介〗:Bert作为目前自然语言处理领域应用较为广发的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火
本套课程基于Pytorch**1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。
〖课程目录〗：
章节1:课程简介
课时1视频动手学中文文本分类开篇19:42
课时2视频课堂实战试看110:51
课时3视频课堂实战试看212:13
课时4视频课堂实战试看312:11
课时5视频课堂实战试看408:39
课时6视频课堂实战试看509:57
课时7视频自然语言处理简介11:44
课时8文本课程资料下载方式
课时9视频文本分类简介14:09
课时10视频神经网络中的数据格式讲解13:50
课时11视频本文分类模型综述08:16
章节2:Seq2Seq相关理论
课时12视频RNN理论及相关变体讲解08:46
课时13视频seq2seq理论讲解15:44
课时14视频seq2seq存在的问题05:50
章节3:Attention机制
课时15视频注意力机制理论讲解10:32
课时16视频注意力机制数学公式讲解13:18
课时17视频引出self-attention的两个问题06:58
章节4:Bert理论系列基础
课时18视频self-attention理论讲解.13:12
课时19视频self-attention数学理论讲解05:25
课时20视频Multi-head-self-attention理论讲解08:57
课时21视频Transformer理论讲解11:08
课时22视频Bert理论讲解及文本分类模型讲解13:39
章节5:基于Bert的文本分类实战
课时23视频项目环境构建.及数据集简介10:51
课时24视频BruceBert配置类构建上12:13
课时25视频BruceBert配置类构建下12:11
课时26视频模型构建上08:39
课时27视频模型构建下09:57
课时28视频模型验证11:50
课时29视频bulid_dataset加载数据集讲解09:48
课时30视频数据预处理上11:23
课时31视频数据预处理下08:06
课时32视频数据预处理方法测试.12:00
课时33视频数据集迭代器上13:33
课时34视频数据集迭代器下13:40
课时35视频数据迭代器测试10:08
课时36视频参数衰减分析13:07
课时37视频训练步骤详细讲解10:31
课时38视频模型训练详细讲解13:42
课时39视频模型训练部分代码完成08:25
课时40视频模型评估方法详细讲解09:25
课时41视频模型测试方法详细讲解10:20
课时42视频模型整体debug上12:39
课时43视频模型整体debug中17:06
课时44视频模型整体debug下20:13
课时45视频GPU下完整训练第一个Epoch11:38
课时46视频GPU下完整训练第二个Epoch13:48
课时47视频GPU下完整训练第三个Epoch16:26
课时48视频GPU下完整训练后模型测试07:00
课时49视频GPU下使用Bert非fine-tuning过程06:22
章节6:基于Bert+CNN的文本分类实战
课时50视频CNN整体流程讲解11:05
课时51视频CNN中的卷积详细讲解11:23
课时52视频CNN中的Pooling讲解06:06
课时53视频TextCNN中的文本卷积与N-gram关系06:55
课时54视频TextCNN原理详细讲解06:51
课时55视频TextCNN与CNN区别于联系05:38
课时56视频Bert+TextCNN配置类上09:18
课时57视频Bert+TextCNN配置类下08:07
课时58视频Bert+TextCNN配置类验证09:04
课时59视频Bert+TextCNN模型类init方法讲解15:30
课时60视频Bert+TextCNN模型forword方法上10:17
课时61视频Bert+TextCNN模型forword方法下13:34
课时62视频数据加载优化10:27
课时63视频卷积后的维度分析讲解17:22
课时64视频模型构建完成08:48
课时65视频模型训练与预测08:09
章节7:基于Bert+RNN的文本分类实战
课时66视频RNN详解12:57
课时67视频LSTM详解16:55
课时68视频Config类实现及校验10:10
课时69视频BruceBertRNN类init函数实现11:25
课时70视频BruceBertRNN类forward函数实现12:42
课时71视频模型对比与结果分析06:31
章节8:基于Bert+RCNN的文本分类实战
课时72视频RCNN理论讲解03:46
课时73视频Config类实现及校验07:26
课时74视频BruceBertRCNN类init函数实现07:12
课时75视频BruceBertRCNN类forward函数实现13:10
课时76视频BruceBertRCNN训练过程完整演示85:02
章节9:基于Bert+DPCNN的文本分类实战
课时77视频DPCNN理论讲解05:46
课时78视频Config类实现及校验05:41
课时79视频BruceBertDPCNN类init函数实现11:34
课时80视频BruceBertDPCNN类forward函数实现11:25
课时81视频BruceBertDPCNN类block函数实现10:52
课时82视频模型对比与结果分析06:06
章节10:基于ERNIE的文本分类实战
课时83视频ERNIE模型理论讲解06:24
课时84视频基于ERNIE+FC文本分类实战演示07:55
课时85视频ERNIE+DPCNN文本分类实战演示11:05
**** Hidden Message ***** 66666666666666 真是难得给力的帖子啊。 强烈支持楼主ing…… 强烈支持楼主ing…… 强烈支持楼主ing…… 自然语言处理之动手学Bert文本分类实战-Pytorch 感谢楼主分享谢谢了 Bert作为目前自然语言处理领域应用较为广发的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火
强烈支持楼主ing……