BERT 表示 Bidirectional Encoder Representations from Transformers，是 Google 于 2018 年发布的一种语言表示模型。该模型一经发布便成为争相效仿的对象，相信大家也都多少听说过研究过了。本文主要聚焦于 BERT 的分词方法，模型实现细节解读见 BERT 是如何构建模型的。
阅读全文
文中代码见 GitHub Gist 或者使用 nbviewer 查看。
阅读全文
此文主要用于更新每年我做的 Python 开发者调查结果分析。
阅读全文
一年又一年。
阅读全文
阅读全文译者注：
- 本文翻译自 Sebastian Ruder 于 2018 年 4 月 16 日发表的文章 Text Classification with TensorFlow Estimators，文章和 Julian Eisenschlos 共同撰写，原先发表在 TensorFlow 博客。
- 文中括号或者引用块中的 斜体字 为对应的英文原文或者我自己注释的话（会标明「译者注」），否则为原文中本来就有的话。
- 目录保留英文原文。
- 你如果对 TensorFlow 中的 Datasets 和 Estimators 还不是很了解，那么可以参考我写的理解 Estimators 和 Datasets。
- 本人水平有限，如有错误欢迎指出。