Flaubert Base Uncased

🚀 FlauBERT: フランス語向けの教師なし言語モデル事前学習

FlauBERT は、非常に大規模かつ多様なフランス語コーパスで学習されたフランス語版のBERTです。異なるサイズのモデルは、新しいCNRS（フランス国立科学研究センター）の Jean Zay スーパーコンピュータを使用して学習されています。

FlauBERTとともに FLUE が提供されています。これは、人気のあるGLUEベンチマークに似たフランス語NLPシステムの評価セットアップです。目的は、将来的に再現可能な実験を可能にし、フランス語に関するモデルと進歩を共有することです。詳細については、公式ウェブサイト を参照してください。

✨ 主な機能

FlauBERTモデル

注意: flaubert-small-cased は部分的に学習されているため、性能は保証されません。デバッグ目的でのみ使用することを検討してください。

📦 インストール

このセクションでは、FlauBERTを使用するためのインストールに関する情報は提供されていません。

💻 使用例

基本的な使用法

import torch
from transformers import FlaubertModel, FlaubertTokenizer

# Choose among ['flaubert/flaubert_small_cased', 'flaubert/flaubert_base_uncased', 
#               'flaubert/flaubert_base_cased', 'flaubert/flaubert_large_cased']
modelname = 'flaubert/flaubert_base_cased' 

# Load pretrained model and tokenizer
flaubert, log = FlaubertModel.from_pretrained(modelname, output_loading_info=True)
flaubert_tokenizer = FlaubertTokenizer.from_pretrained(modelname, do_lowercase=False)
# do_lowercase=False if using cased models, True if using uncased ones

sentence = "Le chat mange une pomme."
token_ids = torch.tensor([flaubert_tokenizer.encode(sentence)])

last_layer = flaubert(token_ids)[0]
print(last_layer.shape)
# torch.Size([1, 8, 768])  -> (batch size x number of tokens x embedding dimension)

# The BERT [CLS] token correspond to the first hidden state of the last layer
cls_embedding = last_layer[:, 0, :]

注意: transformers のバージョンが <=2.10.0 の場合、modelname は以下の値のいずれかを取る必要があります。

['flaubert-small-cased', 'flaubert-base-uncased', 'flaubert-base-cased', 'flaubert-large-cased']

📚 ドキュメント

このセクションでは、追加のドキュメント情報は提供されていません。

🔧 技術詳細

このセクションでは、技術的な詳細情報は提供されていません。

📄 ライセンス

このプロジェクトはMITライセンスの下で提供されています。

参考文献

FlauBERTまたはFLUEベンチマークを科学的な出版物で使用する場合、またはこのリポジトリ内のリソースが有用であると思われる場合は、以下の論文のいずれかを引用してください。

LREC論文

@InProceedings{le2020flaubert,
  author    = {Le, Hang  and  Vial, Lo\"{i}c  and  Frej, Jibril  and  Segonne, Vincent  and  Coavoux, Maximin  and  Lecouteux, Benjamin  and  Allauzen, Alexandre  and  Crabb\'{e}, Beno\^{i}t  and  Besacier, Laurent  and  Schwab, Didier},
  title     = {FlauBERT: Unsupervised Language Model Pre-training for French},
  booktitle = {Proceedings of The 12th Language Resources and Evaluation Conference},
  month     = {May},
  year      = {2020},
  address   = {Marseille, France},
  publisher = {European Language Resources Association},
  pages     = {2479--2490},
  url       = {https://www.aclweb.org/anthology/2020.lrec-1.302}
}

TALN論文

@inproceedings{le2020flaubert,
  title         = {FlauBERT: des mod{\`e}les de langue contextualis{\'e}s pr{\'e}-entra{\^\i}n{\'e}s pour le fran{\c{c}}ais},
  author        = {Le, Hang and Vial, Lo{\"\i}c and Frej, Jibril and Segonne, Vincent and Coavoux, Maximin and Lecouteux, Benjamin and Allauzen, Alexandre and Crabb{\'e}, Beno{\^\i}t and Besacier, Laurent and Schwab, Didier},
  booktitle     = {Actes de la 6e conf{\'e}rence conjointe Journ{\'e}es d'{\'E}tudes sur la Parole (JEP, 31e {\'e}dition), Traitement Automatique des Langues Naturelles (TALN, 27e {\'e}dition), Rencontre des {\'E}tudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (R{\'E}CITAL, 22e {\'e}dition). Volume 2: Traitement Automatique des Langues Naturelles},
  pages         = {268--278},
  year          = {2020},
  organization  = {ATALA}
}