Tensorflow-NLP-tutorial

• 基于 TensorFlow 2.0 构建的 NLP（自然语言处理）教程列表。
• 我已推出了 PyTorch（深度学习框架）教程！请通过此 链接 查看。

这里是维基多斯 《利用深度学习进行自然语言处理入门》 的自然语言处理教程仓库。
我们使用深度学习框架 TensorFlow 2.0+。
如果您正在寻找 PyTorch 教程，可以在 链接 (点击!) 中查看。

代码背后的理论说明已通过 1,200 页篇幅的 e-Book（电子书）编写并发布。

e-Book : https://wikidocs.net/book/2155

Colab（云端编程环境）实践方法

打开每个练习文件的 py 文件，可以看到已注明了 Colab 链接。
每个 py 文件仅是在 ipynb（Jupyter Notebook 格式）文件中自动转换后的文件。
在 Chrome 浏览器中访问该链接，无需额外安装 Python 即可直接练习。

更新公告

• 2022 年 01 月 01 日：开放了 GitHub 仓库。
• 2022 年 01 月 03 日：第 18 章 - 添加基于 BERT（双向编码器表示） 的文本分类、命名实体识别、问答、NLI（自然语言推理）、SBERT（语义 BERT）聊天机器人练习代码。
• 2022 年 01 月 18 日：第 19 章 - 添加 KoGPT-2 文本生成、聊天机器人、文本分类练习代码。
• 2022 年 01 月 20 日：第 26 章 - 添加基于 BERT 的关键字提取 KeyBERT 练习代码。
• 2022 年 02 月 16 日：第 26 章 - 添加基于 BERT 的复合主题建模 Combined Topic Models, CTM（组合主题模型） 练习代码。
• 2022 年 02 月 24 日：第 19 章 - 添加 CTM 韩语, BERTopic 英语、韩语 练习代码。
• 2024 年 02 月 18 日：第 24 章 - 添加 LLM（大型语言模型）微调 练习代码。
• 2025 年 06 月 27 日：第 21~25 章 - 添加 RAG（检索增强生成）补充及 LLM、VLM（视觉语言模型）微调代码 练习代码。

tensorflow-nlp-tutorial 快速上手指南

本项目是基于 TensorFlow 2.0+ 构建的自然语言处理（NLP）教程集合，内容源自维基文档（Wikidocs）的深度学习入门书籍。涵盖 BERT、KoGPT-2、LLM 微调及 RAG 等前沿技术实战。

1. 环境准备

• 操作系统：Linux / Windows / macOS
• 深度学习框架：TensorFlow 2.0+
• 编程语言：Python 3.x
• 推荐方式：使用 Google Colab 在线运行，无需本地配置 Python 环境。

2. 安装步骤

方式一：本地环境（可选）

若需在本地运行代码，请先克隆仓库并安装基础依赖：

git clone https://github.com/ukairia777/tensorflow-nlp-tutorial.git
cd tensorflow-nlp-tutorial
pip install tensorflow

方式二：Google Colab（推荐）

无需安装任何软件，直接通过浏览器访问即可开始实验。

3. 基本使用

1. 获取代码：进入 GitHub 仓库，浏览目录下的 .py 文件。
2. 启动实验：打开任意 .py 文件，找到其中内嵌的 Colab 链接。
3. 运行代码：点击链接在 Chrome 浏览器中打开，点击顶部菜单的“运行全部”即可执行。
4. 理论补充：代码背后的理论解释可参考配套 e-Book：https://wikidocs.net/book/2155

注意：每个 .py 文件均由 .ipynb 自动转换而来，主要功能为提供 Colab 快捷入口。如需查看 PyTorch 版本教程，请访问 PyTorch-NLP-Tutorial。