语言:

• 英文 推理: 否 任务标签: 标记分类 标签:
• 命名实体识别
• BERT 许可证: MIT 数据集:
• conll2003 基础模型: dslim/bert-base-NER

dslim/bert-base-NER 的 ONNX 版本

本模型是将 dslim/bert-base-NER 转换为 ONNX 格式的版本，使用了 🤗 Optimum 库。

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任务，并在该任务上达到了最先进的性能。该模型经过训练，能够识别四种类型的实体：地点（LOC）、组织（ORG）、人物（PER）和杂项（MISC）。

具体来说，该模型基于 bert-base-cased 模型，并在标准的 CoNLL-2003 命名实体识别 数据集的英文版本上进行了微调。

使用方法

加载该模型需要安装 🤗 Optimum 库。

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("我的名字是张三。")
print(ner_output)

LLM Guard

匿名化扫描器

社区

加入我们的 Slack，提供反馈、与维护者和其他用户联系、提问或参与关于 LLM 安全的讨论！