امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

جوخه

  • توضیحات :

مجموعه داده های پاسخ سوالات استنفورد (SQuAD) یک مجموعه داده درک مطلب است ، متشکل از س questionsالاتی است که توسط مجموعه کارگران در مجموعه ای از مقاله های ویکی پدیا مطرح شده است ، که در آن پاسخ به هر س aال بخشی از متن است ، یا دامنه آن از متن قرائت مربوطه یا س questionال ممکن است غیرقابل تحمل باشد.

@article{2016arXiv160605250R,
       author = { {Rajpurkar}, Pranav and {Zhang}, Jian and {Lopyrev},
                 Konstantin and {Liang}, Percy},
        title = "{SQuAD: 100,000+ Questions for Machine Comprehension of Text}",
      journal = {arXiv e-prints},
         year = 2016,
          eid = {arXiv:1606.05250},
        pages = {arXiv:1606.05250},
archivePrefix = {arXiv},
       eprint = {1606.05250},
}

squad / v1.1 (پیکربندی پیش فرض)

  • توضیحات پیکربندی : نسخه 1.1.0 SQUAD

  • حجم بارگیری : 33.51 MiB

  • اندازه مجموعه داده : 94.04 MiB

  • ذخیره خودکار ( مستندات ): بله

  • تقسیم :

شکاف مثال ها
'train' 87،599
'validation' 10،570
  • ویژگی ها :
FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'context': Text(shape=(), dtype=tf.string),
    'id': tf.string,
    'question': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
})

تیم / v2.0

  • توضیحات پیکربندی : نسخه 2.0.0 SQUAD

  • اندازه 44.34 MiB : 44.34 MiB

  • اندازه مجموعه داده : 148.51 MiB

  • ذخیره خودکار ( مستندات ): بله (اعتبار سنجی) ، فقط وقتی shuffle_files=False (قطار)

  • تقسیم :

شکاف مثال ها
'train' 130،319
'validation' 11873
  • ویژگی ها :
FeaturesDict({
    'answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'context': Text(shape=(), dtype=tf.string),
    'id': tf.string,
    'is_impossible': tf.bool,
    'plausible_answers': Sequence({
        'answer_start': tf.int32,
        'text': Text(shape=(), dtype=tf.string),
    }),
    'question': Text(shape=(), dtype=tf.string),
    'title': Text(shape=(), dtype=tf.string),
})