您可以使用该组件训练机器阅读理解模型,针对给定的文档及问题,进行快速理解与问答,实现基于文档的智能问答。本文为您介绍该组件的参数配置与使用示例。
使用限制
支持运行的计算资源为DLC。
可视化配置组件参数
输入桩
输入桩(从左到右)
限制数据类型
建议上游组件
是否必选
训练数据输入
OSS
是
验证数据输入
OSS
是
组件参数
页签
参数
描述
字段设置
选择语种
输入文件的语种,目前支持以下两种语言的机器阅读理解:
zh(默认值)
en
输入数据格式
输入文件中每列的数据格式,多列之间使用半角逗号(,)分隔。默认值为:qas_id:str:1,context_text:str:1,question_text:str:1,answer_text:str:1,start_position_character:str:1,title:str:1。
问句列
问句在输入文件中对应的列名,默认值为question_text。
篇章列
篇章文本在输入文件中对应的列名,默认值为context_text。
回复列
答案在输入文件中对应的列名,默认值为answer_text。
ID列
ID在输入文件中对应的列名,默认值为qas_id。
起始位置列
在输入文件中,答案在篇章文本中的起始位置对应的列名。默认值为start_position_character。
模型存储路径
配置OSS Bucket中的目录,用来存储机器阅读理解模型训练或微调后生成的模型文件。
参数设置
批次大小
训练过程中的批处理大小,INT类型,默认值为4。如果使用多机多卡,则表示每个GPU上的批处理大小。
篇章最大长度
表示系统可处理的篇章最大长度,INT类型,默认值为384。
问句最大长度
表示系统可处理的问句最大长度,INT类型,默认值为64。
滑动窗口大小
对篇章进行滑动窗口切分时,滑动窗口的大小。INT类型,默认值为128。
迭代轮数
训练总Epoch的数量,INT类型,默认值为3。
学习率
模型构建过程中的学习率,FLOAT类型,默认值为3.5e-5。
保存Checkpoint步数
表示每训练多少步,对模型进行评价,并保存当前最优模型。INT类型,默认值为600。
模型选择
系统提供的预训练模型名称路径选择,取值如下:
自定义
hfl/macbert-base-zh(默认值)
hfl/macbert-large-zh
bert-base-uncased
bert-large-uncased
自定义模型路径
当模型选择参数选择自定义时,支持配置该参数。
如果您想采用自定义的预训练或微调好的模型时,可以在这里声明。格式为:
{A: xxx, B: xxx}
,键和值之间使用半角冒号(:)分隔,多个参数之间使用半角逗号(,)分隔。执行调优
GPU机器类型
计算资源的GPU机型。默认值为gn5-c8g1.2xlarge,表示8核CPU、80 GB内存、P100单卡。
指定Worker的GPU卡数
每个Worker下的GPU卡数量。默认值为1。
输出桩
输出桩(从左到右)
数据类型
下游组件
模型存储路径
OSS路径。该路径是您在字段设置页签的模型存储路径参数配置的OSS路径。训练生成的模型存储在该路径下。
使用示例
您可以使用该组件构建如下工作流。
本示例中,您需要按照以下流程配置组件:
准备训练数据集和验证数据集,并上传到OSS Bucket路径。具体操作,请参见步骤三:上传文件。
数据集支持TSV或TXT格式的文件,包含以下列:
训练数据集
ID列、篇章列、问句列、答案列、起始位置列、标题列(非必须)。
验证数据集
ID列、篇章列、问句列、答案列(非必须)、起始位置列(非必须)、标题列(非必须)。
本示例以TSV文件为例,来说明如何进行模型训练。
使用读OSS数据-1、读OSS数据-2组件分别读取训练数据集和验证数据集。即配置读OSS数据组件的OSS数据路径参数为存放训练数据集和验证数据集的OSS路径。
将训练数据集和验证数据集接入机器阅读理解训练组件,并配置具体参数,详情请参见上文的组件参数。
相关文档
您可以在机器阅读理解训练组件的下游接入机器阅读理解预测组件,对生成的模型进行离线预测。详情请参见机器阅读理解预测。
关于Designer组件更详细的内容介绍,请参见Designer概述。
Designer预置了多种算法组件,你可以根据不同的使用场景选择合适的组件进行数据处理,详情请参见组件参考:所有组件汇总。