در این مطلب، ویدئو نحوه بازنویسی متن در پایتون با استفاده از ترانسفورماتور با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:13:09
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,320 –> 00:00:02,639
عالی نیست اگر بتوانید از ai
2
00:00:02,639 –> 00:00:05,040
برای بازنویسی متن سند خود استفاده کنید
3
00:00:05,040 –> 00:00:07,600
اگر جالب به نظر می رسد، پس این
4
00:00:07,600 –> 00:00:08,800
ویدیو برای شماست زیرا
5
00:00:08,800 –> 00:00:11,120
امروز به شما نشان خواهم داد که چگونه می توانید
6
00:00:11,120 –> 00:00:12,480
متن را
7
00:00:12,480 –> 00:00:15,519
با استفاده از کتابخانه ترانسفورماتور چهره در آغوش گرفته
8
00:00:15,519 –> 00:00:17,920
در پایتون و همچنین
9
00:00:17,920 –> 00:00:19,439
10
00:00:19,439 –> 00:00:22,480
برای جزئیات بیشتر در مورد اینکه چگونه می توانید یک
11
00:00:22,480 –> 00:00:23,119
نسخه
12
00:00:23,119 –> 00:00:26,320
از یک کتاب الکترونیکی را از ناشر پرمجموعه برنده شوید، مطمئن شوید که تا پایان ویدیو می مانید و بنابراین
13
00:00:26,320 –> 00:00:27,439
بدون هیچ مقدمه ای،
14
00:00:27,439 –> 00:00:30,880
ما همین الان شروع می کنیم،
15
00:00:30,880 –> 00:00:32,640
بنابراین اولین کاری که می
16
00:00:32,640 –> 00:00:35,200
خواهید انجام دهید این است که لابراتوار کد گوگل
17
00:00:35,200 –> 00:00:37,040
یا نوت بوک jupyter را روشن کنید
18
00:00:37,040 –> 00:00:38,480
و بنابراین من می خواهم
19
00:00:38,480 –> 00:00:41,120
پیوندهای این را در توضیحات ویدیو به شما ارائه دهم
20
00:00:41,120 –> 00:00:43,280
و همانطور که گفته شد امروز
21
00:00:43,280 –> 00:00:44,160
22
00:00:44,160 –> 00:00:47,120
متن را با استفاده از کتابخانه ترانسفورماتور از
23
00:00:47,120 –> 00:00:48,160
مرحله هک
24
00:00:48,160 –> 00:00:50,399
در پایتون و غیره بازنویسی می کنیم. این بر اساس مدل
25
00:00:50,399 –> 00:00:51,280
پگاسوس
26
00:00:51,280 –> 00:00:53,600
است که مخفف
27
00:00:53,600 –> 00:00:54,559
پیش آموزش
28
00:00:54,559 –> 00:00:57,280
با جملات شکاف استخراج شده برای
29
00:00:57,280 –> 00:00:58,239
30
00:00:58,239 –> 00:01:00,800
31
00:01:00,800 –> 00:01:01,520
مدلهای توالی خلاصه انتزاعی به دنباله است
32
00:01:01,520 –> 00:01:04,799
و بنابراین مدل پگاسوس
33
00:01:04,799 –> 00:01:07,280
از طریق کتابخانه ترانسفورماتور فاز در آغوش گرفتن ارائه میشود.
34
00:01:07,280 –> 00:01:08,479
y
35
00:01:08,479 –> 00:01:10,720
و بنابراین این صفحه وب مدل
36
00:01:10,720 –> 00:01:12,240
پارافراسی pegasus
37
00:01:12,240 –> 00:01:14,479
است و می توانید در اینجا ببینید که
38
00:01:14,479 –> 00:01:16,560
چند کد نمونه وجود دارد
39
00:01:16,560 –> 00:01:18,880
و بنابراین ما امروز قصد داریم این را
40
00:01:18,880 –> 00:01:21,439
در آموزش خود اصلاح کنیم
41
00:01:21,439 –> 00:01:24,560
و این github pegasus
42
00:01:24,560 –> 00:01:27,840
است که پروژه ای از گوگل است. تحقیق کنید
43
00:01:27,840 –> 00:01:29,520
و اگر به این مقاله تحقیقاتی علاقه دارید، در
44
00:01:29,520 –> 00:01:32,000
اینجا ارائه شده است و
45
00:01:32,000 –> 00:01:33,600
بنابراین همه پیوندهای این مقاله
46
00:01:33,600 –> 00:01:35,680
و همچنین کتاب الکترونیکی که قرار
47
00:01:35,680 –> 00:01:36,720
48
00:01:36,720 –> 00:01:39,439
است تقدیم کنیم توسط ناشر بسته بندی شده توسط
49
00:01:39,439 –> 00:01:40,159
50
00:01:40,159 –> 00:01:43,360
ravit Jane که همچنین مجری
51
00:01:43,360 –> 00:01:43,759
برنامه
52
00:01:43,759 –> 00:01:46,399
revit در لینکدین و یوتیوب و
53
00:01:46,399 –> 00:01:48,560
بنابراین جزئیات بیشتر در مورد اینکه چگونه می توانید
54
00:01:48,560 –> 00:01:49,200
یک نسخه
55
00:01:49,200 –> 00:01:51,520
از کتاب الکترونیکی را برنده شوید در
56
00:01:51,520 –> 00:01:52,240
پایان ویدیو ارائه می شود،
57
00:01:52,240 –> 00:01:55,119
بنابراین در ارتباط باشید که خوب است و پس بیایید
58
00:01:55,119 –> 00:01:55,759
شروع کنیم
59
00:01:55,759 –> 00:01:58,240
و قبل از ادامه بیشتر می
60
00:01:58,240 –> 00:01:59,360
خواهید مطمئن شوید که
61
00:01:59,360 –> 00:02:02,000
در زمان اجرا می خواهید
62
00:02:02,000 –> 00:02:03,360
نوع زمان اجرا را به
63
00:02:03,360 –> 00:02:07,680
gpu از منوی کشویی در اینجا
64
00:02:07,680 –> 00:02:10,720
تغییر دهید، مطمئن شوید که gpu انتخاب شده است و سپس
65
00:02:10,720 –> 00:02:12,319
می خواهید روی save کلیک کنید
66
00:02:12,319 –> 00:02:14,400
و حالا بیایید وصل شویم و بنابراین
67
00:02:14,400 –> 00:02:16,560
اگر شما کد کار نمی کند. gpu ندارن
68
00:02:16,560 –> 00:02:19,599
اینجا در همکاری فعال شد، بنابراین
69
00:02:19,599 –> 00:02:22,239
اجازه دهید ابتدا با نصب تقسیمکننده جملات
70
00:02:22,239 –> 00:02:23,200
کتابخانهای شروع کنیم
71
00:02:23,200 –> 00:02:26,239
، بنابراین به ما
72
00:02:26,239 –> 00:02:26,720
امکان میدهد
73
00:02:26,720 –> 00:02:29,280
پاراگرافها را به جملات جداگانه تقسیم کنیم
74
00:02:29,280 –> 00:02:30,319
،
75
00:02:30,319 –> 00:02:32,480
زیرا پارافراسی که
76
00:02:32,480 –> 00:02:33,519
امروز استفاده میکنیم
77
00:02:33,519 –> 00:02:36,879
جملات فردی را میپذیرد،
78
00:02:36,879 –> 00:02:39,280
بنابراین باید آن را تقسیم کنیم. تا به
79
00:02:39,280 –> 00:02:40,640
یک جمله فردی تبدیل
80
00:02:40,640 –> 00:02:42,879
شود تا به عنوان ورودی عمل کند و
81
00:02:42,879 –> 00:02:44,319
اکنون
82
00:02:44,319 –> 00:02:47,280
کتابخانه ترانسفورماتور
83
00:02:47,280 –> 00:02:49,840
را کاملاً نصب می کنیم و اکنون نصب شده است و بنابراین
84
00:02:49,840 –> 00:02:51,360
این بلوک کد در
85
00:02:51,360 –> 00:02:54,160
اینجا از وب سایت hugging
86
00:02:54,160 –> 00:02:54,800
face گرفته شده است
87
00:02:54,800 –> 00:02:57,640
و همانطور که در اینجا می بینید این از
88
00:02:57,640 –> 00:02:58,879
tuner07 است
89
00:02:58,879 –> 00:03:01,599
و به آن paraphrase pegasus
90
00:03:01,599 –> 00:03:03,040
می گویند و بنابراین
91
00:03:03,040 –> 00:03:05,120
در کد اینجا در نام مدل
92
00:03:05,120 –> 00:03:07,680
ذکر می شود و بنابراین کل آن
93
00:03:07,680 –> 00:03:09,920
در این سلول کد خاص چسبانده
94
00:03:09,920 –> 00:03:11,680
می شود و بنابراین pytorch
95
00:03:11,680 –> 00:03:12,480
96
00:03:12,480 –> 00:03:14,640
و از ترانسفورماتور وارد می شود. کتابخانه
97
00:03:14,640 –> 00:03:15,680
میخواهد
98
00:03:15,680 –> 00:03:18,239
پگاسوس را برای تولید شرطی و
99
00:03:18,239 –> 00:03:20,319
همچنین توکنایزر pegasus را وارد کند
100
00:03:20,319 –> 00:03:23,200
و در اینجا
101
00:03:23,200 –> 00:03:24,720
مشخص میکند که از cuda particu استفاده میکند.
102
00:03:24,720 –> 00:03:26,879
معمولاً gpu و سپس
103
00:03:26,879 –> 00:03:29,040
توکنایزر در اینجا تعریف میشوند
104
00:03:29,040 –> 00:03:30,879
و سپس مدلی که
105
00:03:30,879 –> 00:03:32,080
چند لحظه پیش وارد
106
00:03:32,080 –> 00:03:34,799
میکنیم در متغیر مدل تعریف میشود
107
00:03:34,799 –> 00:03:36,319
و در تابع سفارشی
108
00:03:36,319 –> 00:03:39,040
متن ورودی و
109
00:03:39,040 –> 00:03:39,599
110
00:03:39,599 –> 00:03:42,080
همچنین تعداد توالی بازگشت را میپذیرد. بنابراین این
111
00:03:42,080 –> 00:03:44,080
بدان معناست که برای یک جمله ورودی معین
112
00:03:44,080 –> 00:03:47,440
، چند جمله مختلف بازنویسی شده
113
00:03:47,440 –> 00:03:50,000
باید ایجاد کند و
114
00:03:50,000 –> 00:03:51,599
فرض کنید که اگر می خواهید فقط
115
00:03:51,599 –> 00:03:52,000
یک
116
00:03:52,000 –> 00:03:54,560
جمله ایجاد کنید به این معنی که یک جمله را وارد کنید،
117
00:03:54,560 –> 00:03:56,959
یک جمله ایجاد می کنید
118
00:03:56,959 –> 00:03:59,519
بنابراین این مقدار یک جمله خواهد داشت.
119
00:03:59,519 –> 00:04:01,200
اگر میخواهید بیشتر از آن تولید
120
00:04:01,200 –> 00:04:03,599
کنید، میتوانید ادامه دهید و
121
00:04:03,599 –> 00:04:07,120
پنج یا ده جمله مختلف را مشخص کنید، خوب،
122
00:04:07,120 –> 00:04:14,080
بیایید ادامه دهیم،
123
00:04:14,080 –> 00:04:18,000
بیایید کتابخانه قطعه جمله را در اینجا اجرا کنیم، ببینیم
124
00:04:20,399 –> 00:04:25,680
خوب است، بنابراین باید این را نصب کنیم
125
00:04:25,680 –> 00:04:29,840
اجازه دهید وارد کنم که در اینجا گنجانده شده
126
00:04:30,160 –> 00:04:33,440
127
00:04:35,360 –> 00:04:43,120
است. دوباره آن را امتحان کنید
128
00:04:43,120 –> 00:04:45,840
تا در حال حاضر در حال دانلود مدل است
129
00:04:45,840 –> 00:04:49,680
و مدل از قبل آموزش داده شده است
130
00:04:50,639 –> 00:04:52,240
و سپس ما از این
131
00:04:52,240 –> 00:04:54,560
مدل از پیش آموزش دیده به نام pegasus
132
00:04:54,560 –> 00:04:57,840
برای پارافراس استفاده خواهیم کرد.
133
00:05:00,880 –> 00:05:04,240
خوب است و به پایان رسید، بیایید ادامه دهیم
134
00:05:04,240 –> 00:05:05,919
و
135
00:05:05,919 –> 00:05:08,560
یک جمله را در اینجا از قبل پردازش کنیم، بنابراین
136
00:05:08,560 –> 00:05:10,560
متن از یکی از
137
00:05:10,560 –> 00:05:12,960
توضیحات ویدیویی یک ویدیو در این
138
00:05:12,960 –> 00:05:14,800
کانال گرفته می شود
139
00:05:14,800 –> 00:05:16,800
و بیایید جلوتر برویم و با
140
00:05:16,800 –> 00:05:17,840
بازنویسی
141
00:05:17,840 –> 00:05:21,759
پنج احتمال مختلف شروع
142
00:05:22,240 –> 00:05:24,960
کنیم، خوب است. خوب کار نمی کند، فکر می
143
00:05:24,960 –> 00:05:27,360
کنم gpu به ما اختصاص داده نشده است،
144
00:05:27,360 –> 00:05:30,720
بنابراین اجازه دهید من ادامه دهم
145
00:05:30,720 –> 00:05:34,639
و روی ذخیره کلیک کنم و
146
00:05:34,639 –> 00:05:37,919
دوباره آن را مجددا راه اندازی می کنم، بنابراین بیایید دوباره راه اندازی کنیم و
147
00:05:37,919 –> 00:05:38,800
همه را اجرا کنیم،
148
00:05:38,800 –> 00:05:40,560
نه در واقع می توانم این کار را گام به گام انجام دهم،
149
00:05:40,560 –> 00:05:44,160
فقط راه اندازی مجدد زمان اجرا
150
00:05:46,479 –> 00:05:48,720
زیرا با google collab گاهی اوقات وقتی
151
00:05:48,720 –> 00:05:49,520
شما
152
00:05:49,520 –> 00:05:52,639
درخواست gpu می کنید، گاهی اوقات یک gpu به ما اختصاص داده نمی شود
153
00:05:52,639 –> 00:05:53,759
154
00:05:53,759 –> 00:05:57,759
و بنابراین به طور معمول اگر یک gpu به ما اختصاص داده
155
00:05:57,759 –> 00:05:58,000
156
00:05:58,000 –> 00:06:00,240
شود، باید بتوانیم بیش از دو
157
00:06:00,240 –> 00:06:01,280
مدل در حال
158
00:06:01,280 –> 00:06:04,880
بارگذاری را ببینیم، همانطور که در اینجا می بینید وقتی gpu می بینید.
159
00:06:04,880 –> 00:06:06,160
به ما اختصاص