🚀 ONNXによるroberta-baseの質問応答モデルへの変換
このプロジェクトは、質問応答タスク用に deepset/roberta-base-squad2 モデルをONNX形式に変換するものです。質問応答システムの構築に役立ちます。
🚀 クイックスタート
このモデルはバージョン2です。更新理由については、FARMリポジトリの このGitHubのissue を参照してください。バージョン1を使用したい場合は、Transformers 3.5でモデルをロードする際に revision="v1.0"
を指定してください。例えば:
model_name = "deepset/roberta-base-squad2"
pipeline(model=model_name, tokenizer=model_name, revision="v1.0", task="question-answering")
✨ 主な機能
- 高精度な質問応答:SQuAD 2.0データセットで学習された高精度の質問応答モデルです。
- 高速な推論:ONNX形式に変換することで、高速な推論が可能です。
- 柔軟性:Transformers、FARM、haystackなどの複数のフレームワークで使用できます。
📦 インストール
このREADMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。
💻 使用例
基本的な使用法
Transformersでの使用
from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline
model_name = "deepset/roberta-base-squad2"
nlp = pipeline('question-answering', model=model_name, tokenizer=model_name)
QA_input = {
'question': 'Why is model conversion important?',
'context': 'The option to convert models between FARM and transformers gives freedom to the user and let people easily switch between frameworks.'
}
res = nlp(QA_input)
model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
FARMでの使用
from farm.modeling.adaptive_model import AdaptiveModel
from farm.modeling.tokenization import Tokenizer
from farm.infer import Inferencer
model_name = "deepset/roberta-base-squad2"
nlp = Inferencer.load(model_name, task_type="question_answering")
QA_input = [{"questions": ["Why is model conversion important?"],
"text": "The option to convert models between FARM and transformers gives freedom to the user and let people easily switch between frameworks."}]
res = nlp.inference_from_dicts(dicts=QA_input, rest_api_schema=True)
model = AdaptiveModel.convert_from_transformers(model_name, device="cpu", task_type="question_answering")
tokenizer = Tokenizer.load(model_name)
haystackでの使用
大規模な質問応答タスク(複数のドキュメントに対する応答)を行う場合は、haystack でもモデルをロードできます。
reader = FARMReader(model_name_or_path="deepset/roberta-base-squad2")
reader = TransformersReader(model_name_or_path="deepset/roberta-base-squad2",tokenizer="deepset/roberta-base-squad2")
📚 詳細ドキュメント
概要
属性 |
詳情 |
言語モデル |
roberta-base |
言語 |
英語 |
下流タスク |
抽出型質問応答 |
学習データ |
SQuAD 2.0 |
評価データ |
SQuAD 2.0 |
コード |
FARMの例 を参照 |
インフラストラクチャ |
4x Tesla v100 |
ハイパーパラメータ
batch_size = 96
n_epochs = 2
base_LM_model = "roberta-base"
max_seq_len = 386
learning_rate = 3e-5
lr_schedule = LinearWarmup
warmup_proportion = 0.2
doc_stride=128
max_query_length=64
蒸留モデルの使用
このモデルの蒸留バージョン deepset/tinyroberta-squad2 も公開しています。蒸留モデルは予測精度がほぼ同等で、ベースモデルの約2倍の速度で実行されます。
性能
SQuAD 2.0の開発セット で評価された結果は以下の通りです。
"exact": 79.87029394424324,
"f1": 82.91251169582613,
"total": 11873,
"HasAns_exact": 77.93522267206478,
"HasAns_f1": 84.02838248389763,
"HasAns_total": 5928,
"NoAns_exact": 81.79983179142137,
"NoAns_f1": 81.79983179142137,
"NoAns_total": 5945
🔧 技術詳細
このセクションには具体的な技術説明が50文字以上含まれていないため、省略されます。
📄 ライセンス
このプロジェクトは CC BY 4.0 ライセンスの下で公開されています。
👥 作者
- Branden Chan:
branden.chan [at] deepset.ai
- Timo Möller:
timo.moeller [at] deepset.ai
- Malte Pietsch:
malte.pietsch [at] deepset.ai
- Tanay Soni:
tanay.soni [at] deepset.ai
🌟 私たちについて
私たちはオープンソースを通じてNLPを産業界に普及させています。主な関心領域は、業界固有の言語モデルと大規模な質問応答システムです。
私たちの一部の成果物:
連絡先:
Twitter | LinkedIn | Slack | GitHub Discussions | Website
ちなみに、私たちは採用中です!