本书的目标是让您能够构建自己的语言应用程序。

涵盖了NLP中transformers的所有主要应用，每一章(除了少数例外)专门针对一个任务，结合一个实际的用例和数据集。每一章还介绍了一些额外的概念。

以下是我们将涉及的任务和主题的一个高级概述:

第一章，你好Transformers，介绍了Transformers，并把它们放到了背景中。它还介绍了“Hugging Face”生态系统。

第二章文本分类，重点介绍了情感分析(一个常见的文本分类问题)，并介绍了Trainer API。

第三章，Transformer剖析，更深入地介绍了Transformer架构，为接下来的章节做准备。

第四章，多语言命名实体识别，重点关注在多语言文本中识别实体的任务(一个令牌分类问题)。

第五章，文本生成，探讨了Transformers模型生成文本的能力，并介绍了解码策略和度量。

第六章，摘要，深入研究了文本摘要的复杂序列到序列任务，并探讨了该任务使用的度量。

第七章“问答”，重点介绍了基于综述的问答系统的构建，并介绍了利用Haystack进行检索的方法。

第八章《Transformers在生产中高效运行》，重点介绍了模型性能。我们将着眼于意图检测的任务(序列分类问题的一种类型)，并探索知识蒸馏、量化和剪枝等技术。

第九章，处理很少或没有标签，着眼于在没有大量标签数据的情况下提高模型性能的方法。我们将构建一个GitHub问题标签和探索技术，如零样本分类和数据增强。

第十章， 从头开始训练Transformer，向您展示了如何从头开始构建和训练一个自动完成Python源代码的模型。我们将研究数据集流和大规模培训，并构建我们自己的标记器。

第十一章，未来方向，探讨了Transformers面临的挑战和一些令人兴奋的新方向的研究，在这一领域将进入。

这本大模型《Tansformer自然语言处理实战》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

PDF书籍： 完整版本链接获取

👉[CSDN大礼包🎁：《Tansformer自然语言处理实战》免费分享（安全链接，放心点击）]👈

这本大模型《Tansformer自然语言处理实战》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

PDF书籍： 完整版本链接获取

👉[CSDN大礼包🎁：《Tansformer自然语言处理实战》免费分享（安全链接，放心点击）]👈