本书涵盖了Transformer在NLP领域的主要应用。首先介绍Transformer模型和Hugging Face 生态系统。然后重点介绍情感分析任务以及Trainer API、Transformer的架构，并讲述了在多语言中识别文本内实体的任务，以及Transformer模型生成文本的能力，还介绍了解码策略和度量指标。接着深入挖掘了文本摘要这个复杂的序列到序列的任务，并介绍了用于此任务的度量指标。之后聚焦于构建基于评论的问答系统，介绍如何基于Haystack进行信息检索，探讨在缺乏大量标注数据的情况下提高模型性能的方法。最后展示如何从头开始构建和训练用于自动填充Python源代码的模型，并总结Transformer面临的挑战以及将这个模型应用于其他领域的一些新研究。
作者简介:
Lewis Tunstall是Hugging Face机器学习工程师，致力于为NLP社区开发实用工具，并帮助人们更好地使用这些工具。 Leandro von Werra是Hugging Face机器学习工程师，致力于代码生成模型的研究与社区推广工作。 Thomas Wolf是Hugging Face首席科学官兼联合创始人，他的团队肩负着促进AI研究和普及的使命。
目录:
第1章 欢迎来到Transformer的世界11
第2章 文本分类29
第3章 Transformer架构剖析62
第4章 多语言命名实体识别88
第5章 文本生成122
第6章 文本摘要138
第7章 构建问答系统160
第8章 Transformer模型调优201
第9章 零样本学习和少样本学习236
第10章 从零训练Transformer模型280
第11章 未来发展趋势321
点击下载