🚀 用於問答的Electra-base模型
該模型基於Electra-base語言模型,專注於抽取式問答任務,使用SQuAD 2.0數據集進行訓練和評估,能為問答場景提供高效準確的解決方案。
🚀 快速開始
你可以參考以下代碼示例快速使用該模型,具體使用方法可根據不同的框架進行選擇。
✨ 主要特性
- 語言模型:electra-base
- 語言:英語
- 下游任務:抽取式問答
- 訓練數據:SQuAD 2.0
- 評估數據:SQuAD 2.0
- 代碼示例:可查看 FARM 中的 示例
- 基礎設施:1x Tesla v100
📦 安裝指南
文檔未提及具體安裝步驟,可參考代碼示例中的依賴庫安裝說明。
💻 使用示例
基礎用法
在Transformers框架中
from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline
model_name = "deepset/electra-base-squad2"
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)
model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
在FARM框架中
from farm.modeling.adaptive_model import AdaptiveModel
from farm.modeling.tokenization import Tokenizer
from farm.infer import Inferencer
model_name = "deepset/electra-base-squad2"
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)
model = AdaptiveModel.convert_from_transformers(model_name, device="cpu", task_type="question_answering")
tokenizer = Tokenizer.load(model_name)
在haystack框架中
若要進行大規模問答(即處理多篇文檔而非單個段落),可以在 haystack 中加載該模型:
reader = FARMReader(model_name_or_path="deepset/electra-base-squad2")
reader = TransformersReader(model="deepset/electra-base-squad2",tokenizer="deepset/electra-base-squad2")
高級用法
文檔未提及高級用法相關代碼示例。
📚 詳細文檔
超參數設置
seed=42
batch_size = 32
n_epochs = 5
base_LM_model = "google/electra-base-discriminator"
max_seq_len = 384
learning_rate = 1e-4
lr_schedule = LinearWarmup
warmup_proportion = 0.1
doc_stride=128
max_query_length=64
性能評估
使用 官方評估腳本 在SQuAD 2.0開發集上進行評估,結果如下:
"exact": 77.30144024256717,
"f1": 81.35438272008543,
"total": 11873,
"HasAns_exact": 74.34210526315789,
"HasAns_f1": 82.45961302894314,
"HasAns_total": 5928,
"NoAns_exact": 80.25231286795626,
"NoAns_f1": 80.25231286795626,
"NoAns_total": 5945
🔧 技術細節
文檔未提及具體技術實現細節。
📄 許可證
本模型使用的許可證為 cc-by-4.0。
👥 作者
- Vaishali Pal
vaishali.pal [at] deepset.ai
- 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
注意事項
本模型是從Haystack模型倉庫借用的,用於添加TensorFlow模型。