Roberta Base Squad2

🚀 roberta-base for QA

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でモデルを読み込む際に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")

🚀 クイックスタート

このセクションでは、roberta-base for QAモデルの概要や使用方法について説明します。

✨ 主な機能

• 抽出型質問応答タスク：このモデルは、抽出型の質問応答タスクに特化しています。
• 多様な環境での使用：Transformers、FARM、haystackなどの様々なライブラリで使用可能です。

📦 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、このセクションをスキップします。

💻 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"

# a) Get predictions
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)

# b) Load model & tokenizer
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"

# a) Get predictions
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)

# b) Load model & tokenizer
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（つまり、単一の段落ではなく多数のドキュメント）を行う場合、haystackでもモデルを読み込むことができます。

reader = FARMReader(model_name_or_path="deepset/roberta-base-squad2")
# or 
reader = TransformersReader(model_name_or_path="deepset/roberta-base-squad2",tokenizer="deepset/roberta-base-squad2")

高度な使用法

高度な使用法に関する具体的な説明はREADMEに記載されていないため、このセクションを省略します。

📚 ドキュメント

概要

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であるdeepset/tinyroberta-squad2もリリースしています。蒸留モデルは、予測品質はベースモデルと同等で、実行速度はベースモデルの2倍です。

パフォーマンス

SQuAD 2.0の開発セットで評価されました。

"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READMEには具体的な技術詳細が記載されていないため、このセクションをスキップします。

📄 ライセンス

このモデルはCC BY 4.0ライセンスの下で提供されています。

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を産業界に導入しています！
私たちの焦点は、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：

• German BERT (aka "bert-base-german-cased")
• GermanQuAD and GermanDPR datasets and models (aka "gelectra-base-germanquad", "gbert-base-germandpr")
• FARM
• Haystack

連絡先: Twitter | LinkedIn | Slack | GitHub Discussions | Website

ちなみに: 採用中です！