Question Answering Model Finetuned On Bert

🚀 問答機器人

本項目利用在SQuAD（斯坦福問答數據集）上微調過的預訓練BERT模型，實現了一個問答機器人。該機器人能夠接收一段上下文和一個問題作為輸入，並返回相應的答案。項目還包含一個Gradio界面，使用戶可以通過一個用戶友好的Web應用程序與模型進行交互。

🚀 快速開始

要運行這個問答機器人，你需要安裝所需的庫，包括Gradio和Transformers。

運行Gradio應用

你可以在gradio_app.py文件中找到Gradio應用的代碼。要啟動該應用，只需運行以下命令：

$ python gradio_app.py

使用Jupyter Notebook

完整的代碼，包括模型訓練和Gradio應用，都可以在Jupyter Notebook QuestionAnsweringBot.ipynb中找到。你可以使用Jupyter運行它，根據需要探索和修改代碼。

⚠️ 重要提示

建議在paperspace.com上運行這個Notebook以避免出錯，因為在Google Colab上運行時會出現一些導入錯誤，且無法解決。

✨ 主要特性

• 基於強大模型：使用基於BERT（雙向編碼器表示來自變換器）的模型，這是一種先進的NLP模型。具體來說，使用了“Graphcore/bert-large-uncased”變體，針對問答任務進行了優化。
• 靈活的上下文輸入：用戶可以手動輸入上下文，也可以上傳文本文件來提供上下文。
• 用戶友好界面：通過Gradio界面，用戶可以輕鬆與模型交互，包括記住上下文以便後續提問，以及在需要時清除上下文。

📦 安裝指南

運行問答機器人前，需安裝Gradio和Transformers等所需庫。

💻 使用示例

基礎用法

運行Gradio應用：

$ python gradio_app.py

高級用法

使用Jupyter Notebook QuestionAnsweringBot.ipynb探索和修改代碼，包括模型訓練和Gradio應用部分。

📚 詳細文檔

模型

項目中使用的模型基於BERT（Bidirectional Encoder Representations from Transformers），這是一種先進的NLP模型。具體使用了“Graphcore/bert-large-uncased”變體，針對問答任務進行了優化。

任務

該機器人的主要任務是根據給定的上下文回答問題。用戶可以手動輸入上下文或上傳文本文件來提供上下文。Gradio界面便於與模型交互，包括記住上下文以便後續提問和在需要時清除上下文的選項。

數據集

模型使用SQuAD數據集進行微調，該數據集是基於維基百科文章的問題和答案集合，為評估模型的問答能力提供了嚴格的基準。

🔧 技術細節

項目主要挑戰在於IPU的實現，其非常複雜，在筆記本電腦或Google Colab上都無法運行，需要藉助谷歌和ChatGPT的幫助。最終成功實現後，有很大的成就感。

📄 許可證

原文檔未提及許可證信息，故跳過此章節。