• tokenizer.encode和tokenizer.tokenize


    一个是返回token,一个是返回其在字典中的id,如下

     

    def bert_():
        model_name = 'bert-base-chinese'
        MODEL_PATH = 'D:/xhzy-work/PURE/models/bert-base-chinese/'
    
        # a.通过词典导入分词器
        tokenizer = BertTokenizer.from_pretrained(model_name)
        # b. 导入配置文件
        model_config = BertConfig.from_pretrained(model_name)
        # 修改配置
        model_config.output_hidden_states = True
        model_config.output_attentions = True
        # 通过配置和路径导入模型
        bert_model = BertModel.from_pretrained(MODEL_PATH, config=model_config)
        #sen_code = tokenizer.encode_plus('我不喜欢这世界', '我只喜欢你')
        sen_code = tokenizer.encode("自然语")
        print("sen_code",sen_code)
        sen_code0=tokenizer.tokenize("自然语")
        print("sen_code0", sen_code0)
    
        # input_ids = torch.tensor(tokenizer.encode("自然语")).unsqueeze(0)
        # print("input_ids",input_ids)
        # outputs = bert_model(input_ids)
        # print("outputs",outputs)
        # sequence_output = outputs[0]
        # pooled_output = outputs[1]
        # print("outputs",outputs)
        # print("sequence_output",sequence_output.shape)  ## 字向量
        # print("pooled_output",pooled_output.shape)  ## 句向量
        # print('tokenizer.cls_token',tokenizer.cls_token)
    
    
    if __name__ == '__main__':
        bert_()
  • 相关阅读:
    composer require 指定版本
    后台管理,有无限可能
    str_replace 批量查找替换字符串
    node项目配置成nginx启动
    nodejs项目安装ant design
    in_array的三个参数
    Tp5.1使用导出Excel
    php 中 public private protected的区别
    Seafile 文件访问日志时间不一致问题
    du -sh *
  • 原文地址:https://www.cnblogs.com/liuxiangyan/p/14717689.html
Copyright © 2020-2023  润新知