دمج الجواب على سؤال بيرت

تقوم مكتبة BertQuestionAnswerer API الخاصة بمكتبة المهام بتحميل نموذج Bert وتجيب على الأسئلة بناءً على محتوى فقرة معينة. لمزيد من المعلومات ، راجع الوثائق الخاصة بنموذج الأسئلة والإجابات هنا .

الملامح الرئيسية ل BertQuestionAnswerer API

  • يأخذ مدخلين للنص كسؤال وسياق ويخرج قائمة بالإجابات المحتملة.

  • ينفذ رموزًا مميّزة لقطعة الكلمات أو قطع الجمل خارج الرسم البياني على نص الإدخال.

نماذج BertQuestionAnswerer المدعومة

النماذج التالية متوافقة مع BertNLClassifier API.

تشغيل الاستدلال في Java

الخطوة 1: استيراد تبعية Gradle والإعدادات الأخرى

انسخ ملف النموذج .tflite إلى دليل الأصول الخاص بوحدة Android حيث سيتم تشغيل النموذج. حدد أنه لا ينبغي ضغط الملف ، وأضف مكتبة TensorFlow Lite إلى ملف build.gradle الخاص بالوحدة:

android {
    // Other settings

    // Specify tflite file should not be compressed for the app apk
    aaptOptions {
        noCompress "tflite"
    }

}

dependencies {
    // Other dependencies

    // Import the Task Text Library dependency (NNAPI is included)
    implementation 'org.tensorflow:tensorflow-lite-task-text:0.4.4'
}

الخطوة 2: قم بتشغيل الاستدلال باستخدام API

// Initialization
BertQuestionAnswererOptions options =
    BertQuestionAnswererOptions.builder()
        .setBaseOptions(BaseOptions.builder().setNumThreads(4).build())
        .build();
BertQuestionAnswerer answerer =
    BertQuestionAnswerer.createFromFileAndOptions(
        androidContext, modelFile, options);

// Run inference
List<QaAnswer> answers = answerer.answer(contextOfTheQuestion, questionToAsk);

انظر شفرة المصدر لمزيد من التفاصيل.

تشغيل الاستدلال في Swift

الخطوة 1: استيراد CocoaPods

أضف حجرة TensorFlowLiteTaskText في Podfile

target 'MySwiftAppWithTaskAPI' do
  use_frameworks!
  pod 'TensorFlowLiteTaskText', '~> 0.4.4'
end

الخطوة 2: قم بتشغيل الاستدلال باستخدام API

// Initialization
let mobileBertAnswerer = TFLBertQuestionAnswerer.questionAnswerer(
      modelPath: mobileBertModelPath)

// Run inference
let answers = mobileBertAnswerer.answer(
      context: context, question: question)

انظر شفرة المصدر لمزيد من التفاصيل.

تشغيل الاستدلال في C ++

// Initialization
BertQuestionAnswererOptions options;
options.mutable_base_options()->mutable_model_file()->set_file_name(model_path);
std::unique_ptr<BertQuestionAnswerer> answerer = BertQuestionAnswerer::CreateFromOptions(options).value();

// Run inference with your inputs, `context_of_question` and `question_to_ask`.
std::vector<QaAnswer> positive_results = answerer->Answer(context_of_question, question_to_ask);

انظر شفرة المصدر لمزيد من التفاصيل.

قم بتشغيل الاستدلال في بايثون

الخطوة 1: قم بتثبيت حزمة النقطة

pip install tflite-support

الخطوة 2: استخدام النموذج

# Imports
from tflite_support.task import text

# Initialization
answerer = text.BertQuestionAnswerer.create_from_file(model_path)

# Run inference
bert_qa_result = answerer.answer(context, question)

انظر التعليمات البرمجية المصدر لمزيد من الخيارات لتكوين BertQuestionAnswerer .

نتائج المثال

فيما يلي مثال على نتائج إجابة نموذج ALBERT .

السياق: "غابات الأمازون المطيرة ، بدلاً من ذلك ، غابة الأمازون ، والمعروفة أيضًا باللغة الإنجليزية باسم الأمازون ، هي غابة مطيرة استوائية رطبة عريضة الأوراق في منطقة الأمازون الأحيائية التي تغطي معظم حوض الأمازون في أمريكا الجنوبية. يغطي هذا الحوض 7،000،000 كيلومتر مربع (2،700،000 ميل مربع) ) ، منها 5،500،000 كيلومتر مربع (2،100،000 ميل مربع) تغطيها الغابات المطيرة. وتشمل هذه المنطقة أراضي تابعة لتسع دول ".

السؤال: أين غابات الأمازون المطيرة؟

الإجابات:

answer[0]:  'South America.'
logit: 1.84847, start_index: 39, end_index: 40
answer[1]:  'most of the Amazon basin of South America.'
logit: 1.2921, start_index: 34, end_index: 40
answer[2]:  'the Amazon basin of South America.'
logit: -0.0959535, start_index: 36, end_index: 40
answer[3]:  'the Amazon biome that covers most of the Amazon basin of South America.'
logit: -0.498558, start_index: 28, end_index: 40
answer[4]:  'Amazon basin of South America.'
logit: -0.774266, start_index: 37, end_index: 40

جرب أداة CLI التجريبية البسيطة لـ BertQuestionAnswerer مع نموذجك وبيانات الاختبار.

متطلبات توافق النموذج

تتوقع BertQuestionAnswerer API نموذج TFLite مع بيانات تعريف إلزامية لنموذج TFLite .

يجب أن تستوفي البيانات الوصفية المتطلبات التالية:

  • input_process_units لـ Wordpiece / Sentencepiece Tokenizer

  • 3 موترلات إدخال بأسماء "معرفات" و "قناع" و "معرفات مقاطع" لإخراج الرمز المميز

  • 2 موتر إخراج بأسماء "end_logits" و "start_logits" للإشارة إلى الموضع النسبي للمجيب في السياق