Notebooks#
Argilla 教程的 notebook 参考指南。
本节包含
Notebooks
- 🔐 使用
DVC备份和版本控制 ArgillaDatasets - 🚀 在你的浏览器中使用 Transformer 和免费 GPU 在主动学习循环中运行 Argilla
- 💾 监控 FastAPI 模型端点
- 🧸 使用 LLM 通过
spacy-llm进行文本分类和摘要建议 - 🗺️ 使用
disaggregators向数据集添加偏差-平等特征 - 💡 使用 GPT-3 构建和评估零样本情感分类器
- 💨 使用语义搜索和 Sentence Transformers 标注数据
- 📸 批量标注多模态数据
- 🧱 使用 Sentence Transformers 增强弱监督规则
- 🔫 使用 SetFit 进行零样本和小样本分类
- 🗂 多标签文本分类与弱监督
- 📰 使用弱监督训练文本分类器
- 🗂️ 将记录分配给你的注释团队
- 🩹 从 Token 或文本分类数据集中删除标签
- 🔫 使用 Flair 评估零样本 NER
- 🐭 使用
skweak训练 NER 模型 - 💫 探索和分析
spaCyNER 预测 - 🔗 使用 LLM 通过
spacy-llm进行小样本 Token 分类建议 - 🧐 使用 cleanlab 查找标签错误
- 🥇 比较文本分类模型
- 🕵️♀️ 使用可解释性方法分析预测
- 🧼 使用模型的损失清理标签
- 🤔 使用 BERT 为初学者微调 NER 模型
- 使用
classy-classification进行文本分类主动学习 - 🤔 使用 ModAL 进行文本分类主动学习
- 🤯 使用 SetFit 进行小样本分类
- 🤗 使用 SetFit 训练情感分类器
- 👂 文本分类：使用 small-text 进行主动学习
- 🏷️ 使用你自己的数据微调情感分类器
- 🕸️ 使用 Unstructured 和 Transformers 训练摘要模型