首页 > AI前沿 > 正文

1GB文本标记只需20秒!抱抱脸团队发布最新NLP工具|资源

转载 2020-01-14 0 13

专注NLP的强大团队抱抱脸(hugging face)又发新资源!这一次是帮助NLP过程中,词语切分(tokenization)更快的Tokenizers。

只要20秒就能编码1GB文本,适用Rust、Python和Node.js,已经在GitHub上获得了800多星。

前不久,这个团队也凭借自己的技术实力获得了1500万美元的天使投资。

速度快,功能多样

在NLP模型训练中,词语标记和切分往往是一个瓶颈。Tokenizer能够训练新的词汇,并且进行标记。

功能多样:适用于BPE/byte-level-BPE/WordPiece/SentencePiece各种NLP处理模型。

可以完成所有的预处理:截断(Truncate)、填补(Pad)、添加模型需要的特殊标记。

速度超级快:只需要20秒就可以在CPU上标记1GB的文本。

目前适用三种编程语言:Rust/Python/Node.js

使用示例

github的资源页面上提供了在Python上使用Tokenizers的示例,进行简单的设置就可以使用:

1GB文本标记只需20秒!抱抱脸团队发布最新NLP工具|资源

也可以用Tokenizers进行新词训练:

1GB文本标记只需20秒!抱抱脸团队发布最新NLP工具|资源

虽然目前只可用于三种语言Python、JS、Rust,抱抱脸团队表示,将来会继续升级以适用更多

抱抱脸团队最新进展

1GB文本标记只需20秒!抱抱脸团队发布最新NLP工具|资源

抱抱脸团队是一个创业团队。他们的Transformers是github上最火的NLP项目,已经获得了20K星。

作为专注于自然语言处理的创业公司,他们的目标是开发一个可以使用文字、照片、表情包的聊天机器人,名字叫做social AI 。

目前已经经过了三轮融资,共2000万美元。其中,在2019年底的A轮融资中,公司获得了1500万美元,并打算将员工增加两倍。

目前公司尚未盈利。创始人Clement Delangue在获得A轮融资后表示,除了对话AI之外,公司正在构建通用的NLP技术,希望让NLP技术满足公司的多样化需求。

传送门

https://github.com/huggingface/tokenizers

参考资料


https://www.alleywatch.com/2019/12/hugging-face-natural-language-processing-open-source-clement-delangue/

— 完 —

版权所有,未经授权不得以任何形式转载及使用,违者必究。

相关文章


  • Adam优化器再次改进,用长期记忆限制过高学习率,北大孙栩课题组提出
  • 首个活体机器人诞生:青蛙细胞生成,超级计算机设计,外媒:毛骨悚然
  • 国内首个手机AR实景驾驶导航上线,能识别车辆行人,搜狗地图出品
  • 十年前你在用什么手机?2010-2019十年手机变革回顾,那些与手机一同走过的青春
  • 24款违法App曝光:多为购票出行app,航旅纵横、高铁管家等上榜
  • 台积电可望全部拿下苹果5纳米A14处理器订单,7纳米订单出货将达11万
  • CES2020结束:参会厂商超4500家,11大主题,包括自动驾驶区块链
  • 青少年都在关心什么科学话题?这是腾讯看点120万用户的答案