--- title: BiLSTM_CRF-PyTorch-模型库-ModelZoo-昇腾社区 description: BiLSTM+CRF实现命名实体识别任务。 keywords: BiLSTM,CRF,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述 url: https://www.hiascend.com/software/modelzoo/models/detail/8e9a1beb3c3940d6ab57faa3bfe0363a section: (其他) --- # BiLSTM_CRF-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/8e9a1beb3c3940d6ab57faa3bfe0363a 描述: BiLSTM+CRF实现命名实体识别任务。 关键词: BiLSTM,CRF,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) BiLSTM_CRF-PyTorch ## BiLSTM_CRF-PyTorch 自然语言处理PyTorch训练289次浏览2025/12/29更新 获取源码 BiLSTM_CRF-PyTorch 查看模型源码 ... # 概述 ## 简述 LSTM常常被用来解决序列标注问题。LSTM依靠神经网络超强的非线性拟合能力，在训练时将样本通过高维空间中的复杂非线性变换，学习到从样本到标注的函数，之后使用这个函数为指定的样本预测每个token的标注。 - 参考实现： ``` url=https://github.com/luopeixiang/named_entity_recognition commit_id=acb18af835ecdaab353d8185a79d82031df4e828 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/built-in/nlp ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | - | | PyTorch 1.8 | - | | PyTorch 1.11 | - | | PyTorch 2.1 | - | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型需要的依赖。 ``` pip install -r requirements.txt ``` ## 准备数据集 1. 获取数据集。 请用户自行获取数据集ResumeNER，并将获取好的数据集放在源码包根目录下新建的BiLstm/文件夹下，数据集目录结构如下所示： ``` ├── BiLstm ├── ResumeNER ├── dev.char.bmes ├── test.char.bmes ├── train.char.bmes ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_full_1p.sh # 单卡精度 bash ./test/train_performance_1p.sh # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh # 8卡精度 bash ./test/train_performance_8p.sh # 8卡性能 ``` 模型训练脚本参数说明如下。 ``` 公共参数： --amp_opt_level //混合精度类型 --seed //固定随机参数 --distributed //是否使用多卡训练 --local_rank //指定的训练用卡 --batch_size //训练批次大小 --train_epochs //重复训练次数 ``` # 训练结果展示 表 2训练结果展示表 | NAME | Acc@f1 | FPS | AMP_Type | Torch_Version | | --- | --- | --- | --- | ---| | 8p-竞品V | 0.9513 | 16,457.14 | O2 | 1.5 | | 1p-竞品V | 0.9592 | 2,021.05 | O2 | 1.5 | | 1p-NPU | 0.9502 | 209 | O2 | 1.8 | | 8p-NPU | 0.9643 | 1572 | O2 | 1.8 | 说明：该模型的性能评测需带cache或者开启二进制。 # 版本说明 ## 变更 2023.02.14：更新readme，重新发布。 2022.09.16：首次发布。 ## FAQ 无。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)