內容簡介 　　● 自然語言處理大本營Huggingface介面安裝及說明 　　● Huggingface模型、資料集，空間介紹 　　● AutoModel、AutoTokenizer介紹 　　● Attention架構完整實作介紹 　　● PyTorch建立Transformer完整說明 　　● TensorFlow建立Transformer完整說明 　　● 用Huggingface手動架設一個BERT 　　HuggingFace提供了一套強大的自然語言處理工具和標準研發流程。 　　第1章介紹了這一流程和工具的概述。 　　第2章深入介紹了編碼工具，展示了其工作原理和應用案例。 　　第3章詳細介紹了資料集工具，包括資料集倉庫和基本操作。 　　第4章評價指標的載入和使用方法。 　　第5章引入管道工具，說明高效地處理自然語言處理任務。 　　第6章示範訓練工具的使用，展示模型訓練的流程。 　　從第7章到第10章，透過一系列中文自然語言處理實戰任務，包括情感分類、填空任務、句子關係推斷和命名實體識別，展示了工具集的實際應用能力。 　　第11章探索了使用TensorFlow框架完成命名實體識別任務的方式。 　　第12章深入研究了自動模型的使用，包括情感分類任務和原始程式碼的閱讀，以更好地理解模型內部工作原理。 　　第13章和第14章則手動實現了Transformer模型和BERT模型，強調了底層模型理解和自訂模型的重要性。 目錄 工具集基礎用例演示篇 第1章 HuggingFace簡介 第2章 使用編碼工具 2.1 編碼工具簡介 2.2 編碼工具工作流示意 2.3 使用編碼工具 2.4 小結 第3章 使用資料集工具 3.1 資料集工具介紹 3.2 使用資料集工具 3.3 小結 第4章 使用評價指標工具 4.1 評價指標工具介紹 4.2 使用評價指標工具 4.3 小結 第5章 使用管道工具 5.1 管道工具介紹 5.2 使用管道工具 5.3 小結 第6章 使用訓練工具 6.1 訓練工具介紹 6.2 使用訓練工具 6.3 小結 中文專案實戰篇 第7章 實戰任務1：中文情感分類 7.1 任務簡介 7.2 資料集介紹 7.3 模型架構 7.4 實現程式 7.5 小結 第8章 實戰任務2：中文填空 8.1 任務簡介 8.2 資料集介紹 8.3 模型架構 8.4 實現程式 8.5 小結 第9章 實戰任務3：中文句子關係推斷 9.1 任務簡介 9.2 資料集介紹 9.3 模型架構 9.4 實現程式 9.5 小結 第10章 實戰任務4：中文命名實體辨識 10.1 任務簡介 10.2 資料集介紹 10.3 模型架構 10.4 實現程式 10.5 小結 第11章 使用TensorFlow訓練 11.1 任務簡介 11.2 資料集介紹 11.3 模型架構 11.4 實現程式 11.5 小結 第12章 使用自動模型 12.1 任務簡介 12.2 資料集介紹 12.3 模型架構 12.4 實現程式 12.5 深入自動模型原始程式碼 12.6 小結