BiLSTM + CRF用于顺序标记任务 :rocket: :rocket: :rocket: BiLSTM + CRF模型的TensorFlow实现，用于序列标记任务。 项目特色 基于Tensorflow API。 高度可扩展; 一切都是可配置的。 模块化，结构清晰。 对初学者非常友好。 容易DIY。 任务与模型 Sequential labeling是对NLP中的序列预测任务进行建模的一种典型方法。 常见的顺序标记任务包括例如 词性（POS）标记， 块， 命名实体识别（NER） 标点恢复 句子边界检测 范围检测 中文分词（CWG） ， 语义角色标签（SRL） 口语理解能力 事件提取 等等... 以命名实体识别（NER）任务为例： Stanford University located at California . B-ORG I-ORG O O B-LOC O 在这里，将提取两个实体， Stanford University和California 。 特别是，文本中的每个token都用相应的label 。 例如

win10 python35下编译好的pycaffe文件, 网上一堆编译教程，实际上我只需要这个pycaffe文件而已 直接拷贝到python下的Lib中，或者Lib下的site-packages中 如D:\SoftWare\Anaconda\envs\python27\Lib D:\SoftWare\Anaconda\envs\python27\Lib\site-packages

git下载的 python4delphi，专门修改为支持delphi7+python35,其他版本的pyhon请修改ython4delphi-master\PythonForDelphi\Components\Sources\Core\Definition.Inc 编译文件即可

tensorflow1.8.0+python35 绿色版 直接解压即可用于学习 内置一个helloworld程序，双击运行test.bat即可

python35_d.lib 和 python35_d.dll，VS重新生成解决方案中使用，分别放到vs安装目录下VC/lib和VC/bin中

caffe1.0 Windows release版本：Visual Studio 2015, CPU only, Python 3.5