roberta-base-squad2

ydshieh

Pregunta y respuesta

El modelo roberta-base-squad2 es una versión 2 del modelo para la tarea de Preguntas y Respuestas Extractivas. Ha sido entrenado y evaluado con los datos de SQuAD 2.0 utilizando la infraestructura de 4x Tesla v100. Este modelo ofrece predicciones precisas y rápidas, con la opción de usar una versión destilada llamada deepset/tinyroberta-squad2, que mejora la velocidad de predicción manteniendo una calidad comparable.

Como usar

En Transformers
from transformers import AutoModelForQuestionAnswering, AutoTokenizer, pipeline

model_name = "deepset/roberta-base-squad2"

# Obtener predicciones
dlp = 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)

# Cargar modelo y tokenizador
model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

En FARM
from farm.modeling.adaptive_model import AdaptiveModel
from farm.modeling.tokenization import Tokenizer
from farm.infer import Inferencer

model_name = "deepset/roberta-base-squad2"

# Obtener predicciones
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, rest_api_schema=True)

# Cargar modelo y tokenizador
model = AdaptiveModel.convert_from_transformers(model_name, device="cpu", task_type="question_answering")
tokenizer = Tokenizer.load(model_name)

En haystack
# Para hacer QA a gran escala (i.e. muchos documentos en lugar de un solo párrafo), también puedes cargar el modelo en haystack:
reader = FARMReader(model_name_or_path="deepset/roberta-base-squad2")
# o
reader = TransformersReader(model_name_or_path="deepset/roberta-base-squad2",tokenizer="deepset/roberta-base-squad2")

Funcionalidades

Task: Preguntas y Respuestas Extractivas
Entrenado en: SQuAD 2.0
Lenguaje: Inglés
Infraestructura: 4x Tesla v100
Modelo base: roberta-base

Casos de uso

Respuestas a preguntas específicas basadas en un contexto dado.
Implementación en sistemas de preguntas y respuestas de gran escala.
Conversión de modelos entre FARM y Transformers para flexibilidad en el uso de frameworks.