Kroki przygotowania do trenowania
Przed rozpoczęciem i w trakcie trenowania modelu spaCy konieczne jest (1) wyłączenie pozostałych komponentów potoku, aby trenować wyłącznie wybrany komponent, oraz (2) przekonwertowanie kontenera Doc punktu danych treningowych wraz z odpowiadającymi mu annotations do klasy Example.
W tym ćwiczeniu przećwiczysz oba kroki, korzystając z wczytanego wcześniej modelu en_core_web_sm, dostępnego jako nlp. Klasa Example jest już zaimportowana, a ciąg znaków text i powiązane annotations są dostępne do użycia.
To ćwiczenie jest częścią kursu
Przetwarzanie języka naturalnego z użyciem spaCy
Instrukcje do ćwiczenia
- Wyłącz wszystkie komponenty potoku modelu
nlpz wyjątkiemner. - Przekonwertuj ciąg znaków
texti jegoannotationsdo poprawnego formatu, który można wykorzystać podczas trenowania.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
nlp = spacy.load("en_core_web_sm")
# Disable all pipeline components of except `ner`
other_pipes = [____ for ____ in nlp.____ if ____ != 'ner']
nlp.____(*other_pipes)
# Convert a text and its annotations to the correct format usable for training
doc = nlp.____(text)
example = Example.____(____, ____)
print("Example object for training: \n", example.to_dict())