Textformer: 基于Transformer的文本操作符

欢迎使用Textformer。

你是否曾经想要转换文本？你是否厌倦了重新实现和定义最先进的架构？如果是的话，Textformer是最佳选择！此包提供了一个简单的序列到序列和基于Transformer的架构实现，促进与文本生成和翻译相关的所有研究。

使用Textformer，如果你需要库或希望

• 创建您的网络；
• 设计或使用预加载的最先进架构；
• 混合匹配编码器和解码器来解决您的问题；
• 因为转换文本很有趣。

请参阅textformer.readthedocs.io上的文档。

Textformer与：Python 3.6+ 兼容。

包指南

1. 您需要了解的第一批信息就在下一节。
2. 如果您想阅读代码并深入了解，安装也非常简单。
3. 请注意，为了使用我们的解决方案，可能需要一些额外的步骤。
4. 如果有问题，请不要犹豫，联系我们。

入门：60秒了解Textformer

首先，我们有示例。是的，它们都有注释。只需浏览到 examples/ 目录，选择你的子包，并按照示例操作。我们为几乎所有能想到的任务都提供了高级示例。

另外，如果你想要了解更多，请花一分钟时间。

Textformer 基于以下结构，你应该注意其树形结构。

- textformer
    - core
        - model
    - datasets
        - generative
        - translation
    - models
        - decoders
            - bi_gru
            - conv
            - gru
            - lstm
            - self_attention
        - encoders
            - bi_gru
            - conv
            - gru
            - lstm
            - self_attention
        - layers
            - attention
            - multi_head_attention
            - position_wide_forward
            - residual_attention
        - att_seq2seq
        - conv_seq2seq
        - joint_seq2seq
        - seq2seq
        - transformer
    - utils
        - constants
        - exception
        - logging
        - visualization

核心

核心是核心。本质上，它是所有事物的父类。你应该找到定义我们结构基础的父类。它们应该提供变量和方法，以帮助构建其他模块。

数据集

因为我们需要数据，对吧？数据集由类和方法组成，允许为后续的转换器准备数据。

模型

每个神经网络架构都定义在这个包中。从 Seq2Seq 到 Transformers，你可以使用任何适合你需求的架构。

工具

这是一个工具包。应该在这里实现跨应用程序共享的常见事物。最好是实现一次，然后按需使用，而不是反复实现相同的事情。

安装

我们认为一切都应该简单。不复杂，也不令人畏惧，Textformer 将是您需要的包，从最初的安装到日常任务的实现需求。

pip install textformer

另外，如果您想安装最新版本，请克隆此存储库并使用。

pip install .

环境配置

请注意，有时需要额外的实现。如果需要，您将在这里了解所有细节。

Ubuntu

不需要特定的额外命令。

Windows

不需要特定的额外命令。

MacOS

不需要特定的额外命令。

支持

我们知道我们尽了最大努力，但承认我们犯错误是不可避免的。如果您需要报告错误、问题或与我们交谈，请这样做！我们将在这个存储库或 gustavo.rosa@unesp.br 上竭尽所能提供帮助。