Python 德国新闻分类的HuggingFace-Transformers模型
我一直在为我的项目（多类德语文本分类）寻找合适的模型，但对提供的模型有点困惑。有些模型带有Python 德国新闻分类的HuggingFace-Transformers模型,python,nlp,text-classification,bert-language-model,huggingface-transformers,Python,Nlp,Text Classification,Bert Language Model,Huggingface Transformers,我一直在为我的项目（多类德语文本分类）寻找合适的模型，但对提供的模型有点困惑。有些模型带有文本分类标记，但它们用于二进制分类。大多数其他模型都用于[MASK]单词预测。我不确定该选择哪一个，以及它是否适用于多个类 如果您有任何建议，我将不胜感激 当您的类完全不同时，您不需要寻找特定的文本分类模型，因为大多数列出的模型都使用一个基本模型，并根据需要微调基本层和训练输出层。在您的情况下，您将删除输出层，它们对基本层的微调不会对您有多大好处或伤害。有时，他们扩展了词汇表，这可能对您的任务有益，但您必须
文本分类[MASK]如果您有任何建议，我将不胜感激 当您的类完全不同时，您不需要寻找特定的文本分类模型，因为大多数列出的模型都使用一个基本模型，并根据需要微调基本层和训练输出层。在您的情况下，您将删除输出层，它们对基本层的微调不会对您有多大好处或伤害。有时，他们扩展了词汇表，这可能对您的任务有益，但您必须检查描述（通常是稀疏的：（））和词汇表，以获得有关相应模型的更多详细信息 一般来说，我建议您立即使用其中一个基本模型，并且仅在结果不充分的情况下寻找其他模型 以下是具有6个类的bert示例：
从transformers导入BertForSequenceClassification，BertTokenizer
标记器=BertTokenizer.from_pretrained（“bert-base-german dbmdz uncased”）
模型=BertForSequenceClassification.from_pretrained（“bert base german dbmdz uncased”，num_labels=6）