Nlp Tensorflow和Bert他们到底是什么和什么'；他们之间有什么区别？

我对NLP很感兴趣，我提出了Tensorflow和Bert，他们似乎都来自谷歌，从今天起，他们似乎都是情绪分析的最佳选择，但我不知道他们到底是什么，他们之间的区别是什么。。。有人能解释一下吗

Bert和Tensorflow并没有什么不同，Bert的实现不仅有2个，还有很多。大多数基本上是等价的

您提到的实现包括：

谷歌的原始代码，在Tensorflow中。 Huggingface在Pytorch和Tensorflow中的实现，它复制与原始实现相同的结果，并使用与原始文章相同的检查点。 以下是不同方面的差异：

就结果而言，使用其中一个或另一个没有区别，因为它们都使用相同的检查点（相同的权重），并且它们的结果已被检查为相等。 就可重用性而言，HuggingFace库可能更具可重用性，因为它是专门为此而设计的。此外，它还允许您自由选择TensorFlow或Pytorch作为深度学习框架。 就性能而言，它们应该是相同的。 在社区支持方面（例如，在github或stackoverflow中提问），HuggingFace library更适合，因为有很多人在使用它。 除了BERT，HuggingFace的transformers库还实现了许多模型：OpenAI GPT-2、RoBERTa、ELECTRA

Bert和Tensorflow并没有什么不同，Bert的实现不仅有2个，还有很多。大多数基本上是等价的

您提到的实现包括：

谷歌的原始代码，在Tensorflow中。 Huggingface在Pytorch和Tensorflow中的实现，它复制与原始实现相同的结果，并使用与原始文章相同的检查点。 以下是不同方面的差异：

就结果而言，使用其中一个或另一个没有区别，因为它们都使用相同的检查点（相同的权重），并且它们的结果已被检查为相等。 就可重用性而言，HuggingFace库可能更具可重用性，因为它是专门为此而设计的。此外，它还允许您自由选择TensorFlow或Pytorch作为深度学习框架。 就性能而言，它们应该是相同的。 在社区支持方面（例如，在github或stackoverflow中提问），HuggingFace library更适合，因为有很多人在使用它。 除了BERT之外，HuggingFace的transformers库还实现了许多模型：OpenAI GPT-2、RoBERTa、ELECTRA，…

Tensorflow是一个用于机器学习的开源库，它可以让您构建一个深度学习模型/架构。但这是体系结构本身之一。您可以使用TensorFlow构建许多模型，包括RNN、LSTM甚至BERT。如果您只想在数据上部署一个模型，而不关心深度学习领域本身，那么像伯特这样的转换器是一个不错的选择。为此，我推荐了一个库，它提供了一种简单的方法，只需几行代码就可以使用transformer模型。但是，如果您想更深入地了解这些模型，我建议您了解著名的文本数据深度学习体系结构，如RNN、LSTM、CNN等。，并尝试使用类似or的ML库来实现它们。

Tensorflow是一个用于机器学习的开源库，它将让您构建一个深入的学习模型/体系结构。但这是体系结构本身之一。您可以使用TensorFlow构建许多模型，包括RNN、LSTM甚至BERT。如果您只想在数据上部署一个模型，而不关心深度学习领域本身，那么像伯特这样的转换器是一个不错的选择。为此，我推荐了一个库，它提供了一种简单的方法，只需几行代码就可以使用transformer模型。但是，如果您想更深入地了解这些模型，我建议您了解一些著名的文本数据深度学习体系结构，如RNN、LSTM、CNN等，并尝试使用类似or的ML库来实现它们