综合工具选择 · 工具介绍
fastNLP
提供自然语言处理的数据准备、训练与评估组件，减少分类模型项目中重复的数据和训练循环代码。
fastNLP 能做什么
提供自然语言处理的数据准备、训练与评估组件，减少分类模型项目中重复的数据和训练循环代码。
- 模型训练与部署
如何使用 fastNLP
训练并评估中文文本分类模型
准备输入
- 带分类标签的文本数据
- 适合任务的分词器与预训练模型
- 训练、验证和测试数据划分
操作步骤
- 加载标注数据，将文本转换为模型输入，并把标签映射到训练需要的字段。
- 准备模型、优化器和 DataLoader，配置 Trainer 的验证指标与字段映射后执行训练。
- 使用独立测试集合运行 Evaluator，查看分类指标，并检查误分类样本与数据泄漏。
预期交付物
- 训练后的文本分类模型
- 独立测试集上的分类评估结果
缓存数据、标签和模型输出字段需要一致；训练样例的轮数及设备参数不是通用最佳值，测试集不得混入调参过程。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从综合工具选择角度评估fastNLP
把综合工具选择需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
先看交付
你需要的是可编辑文档、图片、代码，还是有出处的资料表？
再看输入
资料能否上传、格式能否读取、敏感内容能否交给所选服务？
最后试用
用小样检查实际结果，再确认费用、导出和后续修改条件。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
