【人工智能项目】Bert实现阅读理解

相信大家在学生时代，语文考试中有这样一种类型的题：阅读理解。首先给你一段材料，然后根据上述材料回到问题。

有这么经历的同学们，就很容易理解本次任务，就是根据给出的材料，回答相应问题。本次主要是通过github中已存有的源码进行训练并测试给出答案。

数据集

本次所用的数据集大致格式如下：

实验环境

本次的实验环境还是一如既往一往情深的选用了google colab。主要是当时疫情期间做的项目，没卡用。

!nvidia-smi

本次训练源码以及预训练模型

# 从这里面找模型替换 https://github.com/ymcui/Chinese-BERT-wwm
!wget https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip

!unzip chinese_L-12_H-768_A-12.zip

# 本次代码
!git clone https://github.com/caldreaming/CAIL.git

安装本次所需的模块

!mv CAIL/*   .

!pip install -r bert/requirements.txt

!pip install tensorflow-gpu==1.13.1

!pip install keras==2.2.4

!pip install numpy==1.17.4

训练

!python bert/run_cail_with_yorn.py \
  --vocab_file=chinese_L-12_H-768_A-12/vocab.txt \
  --bert_config_file=chinese_L-12_H-768_A-12/bert_config.json \
  --init_checkpoint=chinese_L-12_H-768_A-12/bert_model.ckpt \
  --do_train=True \
  --train_file=./big_train_data.json \
  --train_batch_size=8 \
  --learning_rate=3e-5 \
  --num_train_epochs=7.0 \
  --max_seq_length=512 \
  --output_dir=output/cail_yorn/

测试

!python bert/run_cail_with_yorn.py \
  --vocab_file=chinese_L-12_H-768_A-12/vocab.txt \
  --bert_config_file=chinese_L-12_H-768_A-12/bert_config.json \
  --do_predict=True \
  --predict_file=my_data.json \
  --max_seq_length=512 \
  --output_dir=output/cail_yorn/

生成的结果文件

小结

点赞评论收藏走起来瓷们！！！