NeuronBlocks:像搭积木一样构建自然语言理解深度学习模型
中文教程
NeuronBlocks 是一个模块化 NLP 深度学习建模工具包,可以帮助工程师/研究者们快速构建 NLP 任务的神经网络模型。 该工具包的主要目标是将 NLP 中深度神经网络模型构建的开发成本降到最低,包括训练阶段和推断阶段。
NeuronBlocks 包括 Block Zoo 和 Model Zoo 两个重要组件,其整体框架如下图所示。
用户可以选择 Model Zoo 中的示例模型(JSON 配置文件)开启模型训练,或者利用 Block Zoo 中的神经网络模块构建新的模型,就像玩乐高积木一样。
注: NeuronBlocks支持 Python 3.6 及以上
Clone本项目:
git clone https://github.com/Microsoft/NeuronBlocks
安装Python依赖包:
pip install -r requirements.txt
安装PyTorch ( NeuronBlocks支持 PyTorch 0.4.1 及以上):
对于 Linux ,运行以下命令:
pip install "torch>=0.4.1"
对于 Windows ,建议按照PyTorch官方安装教程通过Conda安装PyTorch。
通过以下示例快速入门NeuronBlocks。对于Windows,建议使用PowerShell工具运行命令。
提示: 在下文中, PROJECTROOT表示本项目的根目录。
# 训练 cd PROJECT_ROOT python train.py --conf_path=model_zoo/demo/conf.json # 测试 python test.py --conf_path=model_zoo/demo/conf.json # 预测 python predict.py --conf_path=model_zoo/demo/conf.json
更多细节, 请查看Tutorial_zh_CN.md 和 Code documentation。
使用用神经网络模型解决NLP任务时面临以下挑战的工程师和研究者们:
利用 NeuronBlocks 进行 NLP 神经网络模型训练的优势包括:
CPU 预测
Single-GPU 预测
Multi-GPU 预测
CPU 训练
✓
Single-GPU 训练
Multi-GPU 训练