Qnli Distilroberta Base

🚀 SQuAD (QNLI)用クロスエンコーダ

このモデルは、質問と段落が与えられたときに、段落から質問に答えられるかを判断するためのもので、SentenceTransformersを用いて訓練されています。

🚀 クイックスタート

このモデルは、SentenceTransformers の Cross-Encoder クラスを使用して訓練されています。

✨ 主な機能

• 質問と段落が与えられたときに、段落から質問に答えられるかを判断します。
• GLUE QNLI データセットで訓練されており、SQuADデータセット をNLIタスクに変換しています。

📦 インストール

このモデルを使用するには、sentence-transformers または 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 sentence-transformers

または

pip install transformers

💻 使用例

基本的な使用法

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/qnli-distilroberta-base')
scores = model.predict([('Query1', 'Paragraph1'), ('Query2', 'Paragraph2')])

#e.g.
scores = model.predict([('How many people live in Berlin?', 'Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.'), ('What is the size of New York?', 'New York City is famous for the Metropolitan Museum of Art.')])

高度な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/qnli-distilroberta-base')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/qnli-distilroberta-base')

features = tokenizer(['How many people live in Berlin?', 'What is the size of New York?'], ['Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = torch.nn.functional.sigmoid(model(**features).logits)
    print(scores)

📚 ドキュメント

このモデルのパフォーマンス結果については、SBERT.net Pre-trained Cross-Encoder を参照してください。

📄 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。

情報一覧