tensorflow的预训练bert模型转换成pb文件，提供给大家下载

BioBERT此存储库提供用于微调BioBERT的代码，BioBERT是一种生物医学语言表示模型，用于设计生物医学文本挖掘任务，例如生物医学命名的实体识别，关系提取，对BioBERT提出疑问。此存储库提供用于微调BioBERT的代码。专为生物医学文本挖掘任务（例如生物医学命名实体识别，关系提取，问题回答等）而设计的表示模型。有关更多详细信息，请参阅我们的论文BioBERT：用于生物医学文本挖掘的预训练生物医学语言表示模型。 该项目由DMIS-Lab完成。 下载我们提供了五个版本的预训练砝码。 预训练是基于t

使用BERT的越南语NER（bert-vn-ner） 由Trong-Dat Ngo编写的代码。 引言 BERT模型的Pytorch实现为越南语执行命名实体识别（NER）。 此外，单词中的特征也用于表示单词。 该系统使用预训练模型 安装 要求： Python 3.6+ 火炬1.4+ 安装依赖项： pip3 install -r requirements.txt 数据集格式 bert-vn-ner的输入数据格式遵循CoNLL-2003格式，其中四列由制表符分隔，包括word ， pos ， chunk和named实体。 每个单词都放在单独的行上，每个句子后面都有一个空行。 请注意，分词不用于匹配BERT的预训练（以bert-base-multilingual-cased表示） 。 有关详细信息，请参见“数据”目录中的样本数据。 下表描述了数据集中的越南语例句示例。 单词 销售点

Hilberts_V12.2001.zip希尔伯特谱，边际谱，包络谱画图

地址信息作为空间信息，在各行各业中的应用越来越广泛，通过日常地址和标准地址匹配获取到标准地址的经纬度的应用很广泛，目前在匹配中使用深度学习Bert模型的方法对地址进行分段分级，通过分级信息，对地址济宁精准匹配。

使用Bert进行文本二分类实验用的训练数据文件，仅限学习使用。

Bert-Pytorch-TextClassification-master

提出了基于HHT变换和SVM结合的齿轮箱故障诊断方法,介绍了固有模态函数、EMD分解和Hilbert谱以及支持向量机(SVM)理论。先对各种工况信号消噪,再利用EMD分解将信号分解为IMF分量,求出Hilbert谱和边际谱,再利用边际谱求出各信号的故障特征信息,最后利用支持向量机判别齿轮箱的故障类型。该实验证明了此方法诊断齿轮箱故障的有效性。

matlab中的sobel， pewitt，roberts 算子图像处理的实现算法

吉尔伯特·香农·里德斯 Gilbert-Shannon-Reeds模型的Python实现，用于洗牌。 从维基百科： 在混洗纸牌的数学中，吉尔伯特-香农-里德斯模型是浅滩混洗排列的概率分布，据报导该分布与实验观察到的人类混洗结果非常匹配，并为以下建议提供了基础：为了彻底随机化纸牌，应将纸牌打七遍。 纸牌被切成两个小包...，一次将一张纸牌从其中一个纸包的底部反复移动到洗牌后的纸牌的顶部。 在这里，我们实现了吉尔伯特-香农-里德斯模型，并验证了七次改组的建议。