Bert Base NER Onnx

🚀 ONNX版本的dslim/bert-base-NER

該模型是使用 🤗 Optimum 庫將 dslim/bert-base-NER 轉換為ONNX格式的模型。bert-base-NER 是一個經過微調的BERT模型，可直接用於命名實體識別，並在NER任務中達到了最先進的性能。它經過訓練，能夠識別四種類型的實體：位置（LOC）、組織（ORG）、人物（PER）和其他（MISC）。

🚀 快速開始

本模型是藉助 🤗 Optimum 庫，把 dslim/bert-base-NER 轉換為ONNX格式。

bert-base-NER 是一個經過微調的BERT模型，可直接用於命名實體識別，在NER任務中表現卓越。它能識別四種實體類型，分別是：位置（LOC）、組織（ORG）、人物（PER）和其他（MISC）。

具體而言，該模型是在標準的英文 CoNLL - 2003命名實體識別 數據集上對 bert-base-cased 模型進行微調得到的。

💻 使用示例

基礎用法

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

匿名化掃描器

👥 社區

加入我們的Slack社區，給我們反饋，與維護者和其他用戶建立聯繫，提問或參與有關大語言模型（LLM）安全的討論！

📄 許可證

本項目採用MIT許可證。

📦 模型信息