使用 tensorflow 实现的 spacy 3.0 自定义模型
Custom model for spacy 3.0 implemented using tensorflow
我找了找了。我能够找到 this git repository 将 thinc 模型作为 spacy 中的关系提取器管道。我需要添加我的 NER 模型，该模型是使用 Tensorflow 实现的作为 Spacy 管道，我不知道添加使用 thinc 和 TensorFlow 实现的自定义模型有什么区别？
澄清一下：您链接的存储库没有展示用于在 spaCy 中提取关系的 Pytorch 模型——实际上它使用了 ML 库 Thinc to implement the model. You can find more details on that in the corresponding video tutorial。
要记住的关键点是 spaCy 在底层与 Thinc 模型一起工作，但 Thinc 为 Pytorch 和 Tensorflow 提供 wrappers。
要在 spaCy 中使用它们，您可以按照文档 here 进行操作。简而言之，您应该能够执行以下操作：
from thinc.api import TensorFlowWrapper
wrapped_model = TensorFlowWrapper(your_tf_model)
wrapped_model 现在将成为一个 Thinc 模型，您可以使用它来为您的（自定义）trainable pipeline component 提供动力。
我找了找了。我能够找到 this git repository 将 thinc 模型作为 spacy 中的关系提取器管道。我需要添加我的 NER 模型，该模型是使用 Tensorflow 实现的作为 Spacy 管道，我不知道添加使用 thinc 和 TensorFlow 实现的自定义模型有什么区别？
澄清一下：您链接的存储库没有展示用于在 spaCy 中提取关系的 Pytorch 模型——实际上它使用了 ML 库 Thinc to implement the model. You can find more details on that in the corresponding video tutorial。
要记住的关键点是 spaCy 在底层与 Thinc 模型一起工作，但 Thinc 为 Pytorch 和 Tensorflow 提供 wrappers。
要在 spaCy 中使用它们，您可以按照文档 here 进行操作。简而言之，您应该能够执行以下操作：
from thinc.api import TensorFlowWrapper
wrapped_model = TensorFlowWrapper(your_tf_model)
wrapped_model 现在将成为一个 Thinc 模型，您可以使用它来为您的（自定义）trainable pipeline component 提供动力。