Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleHub
提交
4d0db1e8
P
PaddleHub
项目概览
PaddlePaddle
/
PaddleHub
大约 1 年 前同步成功
通知
280
Star
12117
Fork
2091
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
200
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleHub
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
200
Issue
200
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
4d0db1e8
编写于
12月 23, 2019
作者:
S
Steffy-zxf
提交者:
GitHub
12月 23, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
26c0334c
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
21 addition
and
26 deletion
+21
-26
demo/senta/README.md
demo/senta/README.md
+21
-26
未找到文件。
demo/senta/README.md
浏览文件 @
4d0db1e8
# PaddleHub Senta
## 关于
# Senta 情感分析
本示例展示如何使用PaddleHub Senta Module进行预测。
Senta是百度NLP开放的中文情感分析模型,可以用于进行中文句子的情感分析,输出结果为
`{正向/中性/负向}`
中的一个,关于模型的结构细节,请查看
[
Senta
](
https://github.com/baidu/senta
)
, 本示例代码选择的是Senta-BiLSTM模型。
## 准备工作
Senta是百度NLP开放的中文情感分析模型,可以用于进行中文句子的情感分析,输出结果为
`{正向/中性/负向}`
中的一个,关于模型更多信息参见
[
Senta
](
https://www.paddlepaddle.org.cn/hubdetail?name=senta_bilstm&en_category=SentimentAnalysis
)
, 本示例代码选择的是Senta-BiLSTM模型。
在运行本目录的脚本前,需要先安装1.3.0版本以上的PaddlePaddle(如果您本地已经安装了符合条件的PaddlePaddle版本,那么可以跳过
`准备工作`
这一步)。
如果您的机器支持GPU,我们建议下载GPU版本的PaddlePaddle,使用GPU进行训练和预测的效率都比使用CPU要高。
```
shell
# 安装GPU版本的PaddlePaddle
$
pip
install
--upgrade
paddlepaddle-gpu
```
如果您的机器不支持GPU,可以通过下面的命令来安装CPU版本的PaddlePaddle
## 命令行方式预测
```
shell
# 安装CPU版本的PaddlePaddle
$
pip
install
--upgrade
paddlepaddle
$
hub run senta_bilstm
--input_text
"这家餐厅很好吃"
$
hub run senta_bilstm
--input_file
test.txt
```
在安装过程中如果遇到问题,您可以到
[
Paddle官方网站
](
http://www.paddlepaddle.org/
)
上查看解决方案。
test.txt 存放待预测文本, 如:
## 命令行方式预测
`cli_demo.sh`
给出了使用命令行接口 (Command Line Interface) 调用Module预测的示例脚本
通过以下命令体验下效果
```
shell
$
sh cli_demo.sh
```
text
这家餐厅很好吃
这部电影真的很差劲
```
## 通过python API预测
...
...
@@ -45,7 +29,18 @@ python senta_demo.py
## 通过PaddleHub Finetune API微调
`senta_finetune.py`
给出了如何使用Senta模型的句子特征进行Fine-tuning的实例代码。
可以运行以下命令在ChnSentiCorp数据集上进行Fine-tuning.
可以运行以下命令在ChnSentiCorp数据集上进行Fine-tuning。
```
shell
$
sh run_finetune.sh
```
同时,我们在AI Studio上提供了IPython NoteBook形式的demo,您可以直接在平台上在线体验,链接如下:
|预训练模型|任务类型|数据集|AIStudio链接|备注|
|-|-|-|-|-|
|ERNIE|文本分类|中文情感分类数据集ChnSentiCorp|
[
点击体验
](
https://aistudio.baidu.com/aistudio/projectdetail/216764
)
||
|ERNIE|文本分类|中文新闻分类数据集THUNEWS|
[
点击体验
](
https://aistudio.baidu.com/aistudio/projectdetail/216649
)
|本教程讲述了如何将自定义数据集加载,并利用Finetune API完成文本分类迁移学习。|
|ERNIE|序列标注|中文序列标注数据集MSRA_NER|
[
点击体验
](
https://aistudio.baidu.com/aistudio/projectdetail/216787
)
||
|ERNIE|序列标注|中文快递单数据集Express|
[
点击体验
](
https://aistudio.baidu.com/aistudio/projectdetail/216683
)
|本教程讲述了如何将自定义数据集加载,并利用Finetune API完成序列标注迁移学习。|
|ERNIE Tiny|文本分类|中文情感分类数据集ChnSentiCorp|
[
点击体验
](
https://aistudio.baidu.com/aistudio/projectdetail/215599
)
||
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录