Cela fait deux mois que ce profil n'a pas reçu de nouvel avis

Avis et détails du produit BERT Base Uncased TensorFlow Sentence Pair Classification

Ceci est un modèle de classification de paires de phrases construit sur un modèle d'encodage de texte de [TensorFlow Hub](https://tfhub.dev/tensorflow/bert_en_uncased_L-12_H-768_A-12/2). Il prend une paire de phrases en entrée et classe la paire d'entrée en 'implication' ou 'non-implication'. Le label de classe implication signifie que la deuxième phrase implique la première phrase, et la non-implication signifie qu'elle ne le fait pas. Le modèle d'encodage de texte qui est pré-entraîné sur WikiPedia et BookCorpus renvoie un encodage de la paire de phrases en entrée.

Vendeur

Amazon Web Services (AWS)

Discussions

Communauté de BERT Base Uncased TensorFlow Sentence Pair Classification

Intégrations BERT Base Uncased TensorFlow Sentence Pair Classification

(1)

Informations d'intégration provenant de véritables avis d'utilisateurs.

Avis BERT Base Uncased TensorFlow Sentence Pair Classification (4)

Avis

Avis BERT Base Uncased TensorFlow Sentence Pair Classification (4)

Avantages & Inconvénients

Généré à partir de véritables avis d'utilisateurs

Problèmes d'inexactitude (1)

Voir tous les avantages et inconvénients

Les avis G2 sont authentiques et vérifiés.

Voici comment.

UL

Utilisateur vérifié à Logiciels informatiques

Marché intermédiaire (51-1000 employés)

1/25/2025

"Bon modèle pour une classification précise des phrases"

4/5

Qu'aimez-vous le plus à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

C'est la précision que j'aime le plus, ainsi que sa popularité parmi la classe de modèles Bert. Avis collecté par et hébergé sur G2.com.

Que n’aimez-vous pas à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

C'est la taille et le temps que j'ai pris pour des cas d'utilisation spécifiques, mais évidemment, la précision ne vient pas aussi facilement. Avis collecté par et hébergé sur G2.com.

GB

Goonmeet B.

Graduate Research Associate

Petite entreprise (50 employés ou moins)

11/30/2022

"Facile à utiliser et à configurer"

5/5

Qu'aimez-vous le plus à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

Le modèle pré-entraîné est assez simple à configurer avec le package tensorflow.

Il peut également être utilisé avec pytorch en exportant le modèle.

De plus, vous pouvez également obtenir le tokenizer pour le modèle. Avis collecté par et hébergé sur G2.com.

Que n’aimez-vous pas à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

Je dirais que les limitations ne sont pas avec le modèle lui-même mais avec le cadre TensorFlow. Avis collecté par et hébergé sur G2.com.

CI

Utilisateur vérifié à Internet

Marché intermédiaire (51-1000 employés)

11/22/2022

Partenaire commercial du vendeur ou concurrent du vendeur, non inclus dans les scores G2.

"Très grand corpus et riche en vocabulaire avec un ajustement précis des embeddings."

4.5/5

Qu'aimez-vous le plus à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

Les embeddings sont très denses et puissants. Le jeu de données utilisé pour entraîner ce modèle résout tous nos problèmes au niveau industriel, comme la synthèse, la nouvelle classification et l'autocomplétion des chatbots. Avis collecté par et hébergé sur G2.com.

Que n’aimez-vous pas à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

Le modèle a une bonne précision, mais sa taille est très grande. Au niveau du serveur, il fonctionne très bien, mais pour le déploiement hors ligne et sur appareil, il est lent. Pour une utilisation optimale, nous devons l'utiliser dans le cloud. Avis collecté par et hébergé sur G2.com.

GG

Garima G.

Associate Lead Machine Learning

Marché intermédiaire (51-1000 employés)

11/22/2022

Partenaire commercial du vendeur ou concurrent du vendeur, non inclus dans les scores G2.

"Facile à utiliser avec de multiples cas d'utilisation et de bonnes performances."

4.5/5

Qu'aimez-vous le plus à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

Il est formé sur un vaste ensemble de données et facile à intégrer dans de multiples cas d'utilisation pour trouver des similarités ou des implications, ce qui nous aide principalement dans nos besoins en traitement du langage naturel et économise beaucoup de temps de formation. Avis collecté par et hébergé sur G2.com.

Que n’aimez-vous pas à propos de BERT Base Uncased TensorFlow Sentence Pair Classification?

La performance du modèle est bonne, mais les variations avec albert et bigbird nous aideront encore plus pour les cas d'utilisation avec différentes contraintes de déploiement et les exigences de précision deviendront adaptées. Avis collecté par et hébergé sur G2.com.