Tapas Medium Masklm

🚀 谷歌表格問答模型 (tapas_masklm_medium_reset)

本模型對應原始倉庫中的 tapas_masklm_medium_reset。它可用於處理表格數據相關的問答任務，通過預訓練的模型對錶格信息進行理解和推理。

🚀 快速開始

以下是使用該模型的步驟和示例代碼：

基礎用法

from transformers import TapasTokenizer, TapasForMaskedLM
import pandas as pd
import torch

tokenizer = TapasTokenizer.from_pretrained("google/tapas-medium-masklm")
model = TapasForMaskedLM.from_pretrained("google/tapas-medium-masklm")

data = {'Actors': ["Brad Pitt", "Leonardo Di Caprio", "George Clooney"],
        'Age': ["56", "45", "59"],
        'Number of movies': ["87", "53", "69"]
}
table = pd.DataFrame.from_dict(data)
query = "How many movies has Leonardo [MASK] Caprio played in?"

# prepare inputs
inputs = tokenizer(table=table, queries=query, padding="max_length", return_tensors="pt")

# forward pass
outputs = model(**inputs)

# return top 5 values and predictions
masked_index = torch.nonzero(inputs.input_ids.squeeze() == tokenizer.mask_token_id, as_tuple=False)
logits = outputs.logits[0, masked_index.item(), :]
probs = logits.softmax(dim=0)
values, predictions = probs.topk(5)

for value, pred in zip(values, predictions):
  print(f"{tokenizer.decode([pred])} with confidence {value}")

高級用法

在實際應用中，你可以根據具體需求對錶格數據和查詢語句進行修改，以適應不同的問答場景。例如，你可以更換不同的表格數據，或者修改查詢語句中的關鍵詞，來獲取不同的結果。同時，你還可以根據模型的輸出進行進一步的處理和分析，以滿足特定的業務需求。