Bart Squadv2

🚀 BART-LARGEをSQuADv2でファインチューニング

このモデルは、質問応答タスクのためにSQuADv2データセットでファインチューニングされたbart-largeモデルです。

🚀 クイックスタート

このモデルは質問応答タスクに最適化されており、SQuADv2データセットで訓練されています。以下のセクションで詳細をご紹介します。

✨ 主な機能

• BARTは、自然言語生成、翻訳、理解のためのノイズ除去シーケンス-to-シーケンス事前学習モデルです。
• seq2seqモデルであり、NLGとNLUの両方のタスクに対応しています。
• 最大1024トークンのシーケンスを扱うことができます。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

モデルの詳細

BARTは、論文BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehensionで提案されたモデルです。BARTは、自然言語生成、翻訳、理解のためのノイズ除去シーケンス-to-シーケンス事前学習モデルです。

質問応答タスクでBARTを使用する場合、完全なドキュメントをエンコーダとデコーダに入力し、デコーダの最上位隠れ状態を各単語の表現として使用します。この表現を使用してトークンを分類します。論文によると、bart-largeはSQuADでROBERTaと同等の性能を達成します。

モデルの訓練

このモデルは、simpletransformersラッパーを使用して以下のパラメータで訓練されました。

train_args = {
    'learning_rate': 1e-5,
    'max_seq_length': 512,
    'doc_stride': 512,
    'overwrite_output_dir': True,
    'reprocess_input_data': False,
    'train_batch_size': 8,
    'num_train_epochs': 2,
    'gradient_accumulation_steps': 2,
    'no_cache': True,
    'use_cached_eval_features': False,
    'save_model_every_epoch': False,
    'output_dir': "bart-squadv2",
    'eval_batch_size': 32,
    'fp16_opt_level': 'O2',
}

このColabノートブックを使用して独自のモデルを訓練することもできます

結果

{"correct": 6832, "similar": 4409, "incorrect": 632, "eval_loss": -14.950117511952177}

💻 使用例

基本的な使用法

from transformers import BartTokenizer, BartForQuestionAnswering
import torch

tokenizer = BartTokenizer.from_pretrained('a-ware/bart-squadv2')
model = BartForQuestionAnswering.from_pretrained('a-ware/bart-squadv2')

question, text = "Who was Jim Henson?", "Jim Henson was a nice puppet"
encoding = tokenizer(question, text, return_tensors='pt')
input_ids = encoding['input_ids']
attention_mask = encoding['attention_mask']

start_scores, end_scores = model(input_ids, attention_mask=attention_mask, output_attentions=False)[:2]

all_tokens = tokenizer.convert_ids_to_tokens(input_ids[0])
answer = ' '.join(all_tokens[torch.argmax(start_scores) : torch.argmax(end_scores)+1])
answer = tokenizer.convert_tokens_to_ids(answer.split())
answer = tokenizer.decode(answer)
#answer => 'a nice puppet' 

🔧 技術詳細

BARTは、エンコーダとデコーダから構成されるseq2seqモデルです。質問応答タスクでは、完全なドキュメントをエンコーダとデコーダに入力し、デコーダの最上位隠れ状態を各単語の表現として使用します。この表現を使用してトークンを分類します。

📄 ライセンス

このモデルは、❤️ を持ってA-ware UGによって作成されました。