Bert Base NER Onnx

🚀 ONNX版本的dslim/bert-base-NER

该模型是使用 🤗 Optimum 库将 dslim/bert-base-NER 转换为ONNX格式的模型。bert-base-NER 是一个经过微调的BERT模型，可直接用于命名实体识别，并在NER任务中达到了最先进的性能。它经过训练，能够识别四种类型的实体：位置（LOC）、组织（ORG）、人物（PER）和其他（MISC）。

🚀 快速开始

本模型是借助 🤗 Optimum 库，把 dslim/bert-base-NER 转换为ONNX格式。

bert-base-NER 是一个经过微调的BERT模型，可直接用于命名实体识别，在NER任务中表现卓越。它能识别四种实体类型，分别是：位置（LOC）、组织（ORG）、人物（PER）和其他（MISC）。

具体而言，该模型是在标准的英文 CoNLL - 2003命名实体识别 数据集上对 bert-base-cased 模型进行微调得到的。

💻 使用示例

基础用法

from optimum.onnxruntime import ORTModelForTokenClassification
from transformers import AutoTokenizer, pipeline


tokenizer = AutoTokenizer.from_pretrained("laiyer/bert-base-NER-onnx")
model = ORTModelForTokenClassification.from_pretrained("laiyer/bert-base-NER-onnx")
ner = pipeline(
    task="ner",
    model=model,
    tokenizer=tokenizer,
)

ner_output = ner("My name is John Doe.")
print(ner_output)

LLM Guard

匿名化扫描器

👥 社区

加入我们的Slack社区，给我们反馈，与维护者和其他用户建立联系，提问或参与有关大语言模型（LLM）安全的讨论！

📄 许可证

本项目采用MIT许可证。

📦 模型信息