Tapex Large Finetuned Sqa

🚀 TAPEX-largeモデル（SQAでファインチューニング済み）

このモデルは、SQA（Semantic Question Answering）でファインチューニングされたTAPEX-largeモデルです。表形式の質問応答タスクに特化しています。

🚀 クイックスタート

このモデルは、TAPEX: Table Pre-training via Learning a Neural SQL Executor で提案されたもので、著者はQian Liu, Bei Chen, Jiaqi Guo, Morteza Ziyadi, Zeqi Lin, Weizhu Chen, Jian - Guang Louです。元のリポジトリはこちらにあります。

モデルをロードして推論を実行するには、以下のようにします。

💻 使用例

基本的な使用法

# オリジナルのコードとコメントを保持
from transformers import BartTokenizer, BartForConditionalGeneration
import pandas as pd

tokenizer = BartTokenizer.from_pretrained("nielsr/tapex-large-finetuned-sqa")
model = BartForConditionalGeneration.from_pretrained("nielsr/tapex-large-finetuned-sqa")

# create table
data = {'Actors': ["Brad Pitt", "Leonardo Di Caprio", "George Clooney"], 'Number of movies': ["87", "53", "69"]}
table = pd.DataFrame.from_dict(data)

# turn into dict
table_dict = {"header": list(table.columns), "rows": [list(row.values) for i,row in table.iterrows()]}

# turn into format TAPEX expects
# define the linearizer based on this code: https://github.com/microsoft/Table-Pretraining/blob/main/tapex/processor/table_linearize.py
linearizer = IndexedRowTableLinearize()
linear_table = linearizer.process_table(table_dict)

# add question
question = "how many movies does George Clooney have?"
joint_input = question + " " + linear_table

# encode 
encoding = tokenizer(joint_input, return_tensors="pt")

# forward pass
outputs = model.generate(**encoding)

# decode
tokenizer.batch_decode(outputs, skip_special_tokens=True)

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。