
一个用于nagisa的BERT模型
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
5
±0 (10月13日〜)
软件包每周下载数
46
软件包累计下载数
63,000
最后提交
2026年2月
GitHub 创建日期
2022年9月25日
收录日
2022年10月12日
Star 数变化
以表格显示
| 月份 | Star |
|---|---|
| 2025年12月 | 4 |
| 2026年1月 | 4 |
| 2026年2月 | 5 |
| 2026年3月 | 5 |
| 2026年4月 | 5 |
| 2026年5月 | 5 |
| 2026年6月 | 5 |
| 2026年7月 | 5 |
| 2026年8月 | 5 |
| 2026年9月 | 5 |
| 2026年10月 | 5 |
| 2026年11月 | 5 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:nagisa-bert · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
10,732
来自日本的比例(近一年)
15.8%
依赖它的 PyPI 包
0
其中必需依赖 0
PyPI 月度下载量
以表格显示
| 月份 | 下载量(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | — |
| 2019年10月 | — |
| 2019年11月 | — |
| 2019年12月 | — |
| 2020年1月 | — |
| 2020年2月 | — |
| 2020年3月 | — |
| 2020年4月 | — |
| 2020年5月 | — |
| 2020年6月 | — |
| 2020年7月 | — |
| 2020年8月 | — |
| 2020年9月 | — |
| 2020年10月 | — |
| 2020年11月 | — |
| 2020年12月 | — |
| 2021年1月 | — |
| 2021年2月 | — |
| 2021年3月 | — |
| 2021年4月 | — |
| 2021年5月 | — |
| 2021年6月 | — |
| 2021年7月 | — |
| 2021年8月 | — |
| 2021年9月 | — |
| 2021年10月 | — |
| 2021年11月 | — |
| 2021年12月 | — |
| 2022年1月 | — |
| 2022年2月 | — |
| 2022年3月 | — |
| 2022年4月 | — |
| 2022年5月 | — |
| 2022年6月 | — |
| 2022年7月 | — |
| 2022年8月 | 116 |
| 2022年9月 | 669 |
| 2022年10月 | 532 |
| 2022年11月 | 290 |
| 2022年12月 | 171 |
| 2023年1月 | 171 |
| 2023年2月 | 198 |
| 2023年3月 | 311 |
| 2023年4月 | 342 |
| 2023年5月 | 230 |
| 2023年6月 | 206 |
| 2023年7月 | 176 |
| 2023年8月 | 205 |
| 2023年9月 | 164 |
| 2023年10月 | 136 |
| 2023年11月 | 317 |
| 2023年12月 | 462 |
| 2024年1月 | 317 |
| 2024年2月 | 292 |
| 2024年3月 | 268 |
| 2024年4月 | 192 |
| 2024年5月 | 1,612 |
| 2024年6月 | 6,407 |
| 2024年7月 | 1,503 |
| 2024年8月 | 2,079 |
| 2024年9月 | 8,634 |
| 2024年10月 | 10,170 |
| 2024年11月 | 2,568 |
| 2024年12月 | 271 |
| 2025年1月 | 781 |
| 2025年2月 | 409 |
| 2025年3月 | 2,162 |
| 2025年4月 | 1,512 |
| 2025年5月 | 1,095 |
| 2025年6月 | 803 |
| 2025年7月 | 2,604 |
| 2025年8月 | 1,600 |
| 2025年9月 | 540 |
| 2025年10月 | 2,315 |
| 2025年11月 | 502 |
| 2025年12月 | 207 |
| 2026年1月 | 603 |
| 2026年2月 | 2,338 |
| 2026年3月 | 529 |
| 2026年4月 | 206 |
| 2026年5月 | 2,853 |
| 2026年6月 | 2,045 |
| 2026年7月 | 760 |
| 2026年8月 | 196 |
| 2026年9月 | 229 |
| 2026年10月 | 264 |
同分类的热门资源
研究领域相近的资源
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上训练,使用 Unidic‑lite 单词级标记化配合 WordPiece 子词和全词掩码(24 层,1024 维隐藏层,16 头,32k 词表),预训练代码在 cl‑tohoku/bert‑japanese。HF 模型共同: 表示学习・语言模型
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base(12层,768维隐藏层,12头,32 k词汇表)在 CC‑100 和 2023‑Jan Wikipedia 上使用全词遮蔽预训练,采用 Unidic 2.1.2 词级分词加 WordPiece,训练 200 万步。HF 模型共同: 表示学习・语言模型
bert-japanesecl-tohoku551用于日语文本的BERT模型。共同: 表示学习・语言模型
Laboro-BERT-Japaneselaboroai73劳动BERT日语:使用Web语料库预训练的日语BERT共同: 表示学习・语言模型
language-pretrainingretarfi50PyTorch实现的BERT和ELECTRA模型,适用于日语文本。共同: 表示学习・语言模型
bert-japanese-aozoraakirakubo41使用UniDic和SudachiPy进行预分词的日语BERT,训练数据来自青空文库和维基百科。共同: 表示学习・语言模型