Electra Base Squad2

🚀 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"

# a) 獲取預測結果
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)

# b) 加載模型和分詞器
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"

# a) 獲取預測結果
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)

# b) 加載模型和分詞器
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")
# 或者
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。