Python 多类BERT模型分类
我想训练一个BERT模型来执行多类文本分类。我使用了transformers，并按照本教程（）在Google Colab上对其进行了培训 问题是我有大量的课程（大约600个），我觉得这会影响到我的表现，这是非常令人失望的 我查看了一下Stackoverflow，发现这个线程（）回答了我的问题，但我不知道如何实现它 对类似问题的回答是：“如果您可以将您的意图分类为一些粗粒度类，那么您可以训练一个分类器来指定您的实例所属的粗粒度类。然后，对于每个粗粒度类，训练另一个分类器来指定细粒度类。这种层次结构可能会改善结果。同样对于分类器的类型，我相信在BERT之上有一个简单的完全连接层就足够了。” 我是否必须单独训练我的模型并使用“如果”条件来构建工作流，或者是否有一种方法可以同时训练所有的BERT模型并拥有一个统一的模型 提前谢谢Python 多类BERT模型分类,python,machine-learning,nlp,classification,bert-language-model,Python,Machine Learning,Nlp,Classification,Bert Language Model,我想训练一个BERT模型来执行多类文本分类。我使用了transformers，并按照本教程（）在Google Colab上对其进行了培训 问题是我有大量的课程（大约600个），我觉得这会影响到我的表现，这是非常令人失望的 我查看了一下Stackoverflow，发现这个线程（）回答了我的问题，但我不知道如何实现它 对类似问题的回答是：“如果您可以将您的意图分类为一些粗粒度类，那么您可以训练一个分类器来指定您的实例所属的粗粒度类。然后，对于每个粗粒度类，训练另一个分类器来指定细粒度类。这种层次结构