语言: 中文
数据集:

• SQuAD
  标签:
• 问题生成
  交互示例:
• 文本: " T5 Cheng在SQuAD上对T5进行了微调以用于问题生成。" 示例标题: "示例1"
• 文本: " SQuAD Cheng在SQuAD数据集上对T5进行了微调以用于问题生成。" 示例标题: "示例2"
• 文本: " 数千 Transformers提供了数千个预训练模型，用于执行文本、视觉和音频等不同模态的任务。" 示例标题: "示例3"

基于SQuAD微调的T5-Base问题生成模型

模型实战演示:

import torch
from transformers import T5Tokenizer, T5ForConditionalGeneration

训练模型路径 = 'ZhangCheng/T5-Base-Fine-Tuned-for-Question-Generation'
训练分词器路径 = 'ZhangCheng/T5-Base-Fine-Tuned-for-Question-Generation'

class 问题生成器:

    def __init__(self, 模型目录=None):
        self.模型 = T5ForConditionalGeneration.from_pretrained(训练模型路径)
        self.分词器 = T5Tokenizer.from_pretrained(训练分词器路径)
        self.设备 = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
        self.模型 = self.模型.to(self.设备)
        self.模型.eval()

    def 生成问题(self, 答案: str, 上下文: str):
        输入文本 = '<answer> %s <context> %s ' % (答案, 上下文)
        编码 = self.分词器.encode_plus(
            输入文本,
            return_tensors='pt'
        )
        输入ID = 编码['input_ids']
        注意力掩码 = 编码['attention_mask']
        输出 = self.模型.generate(
            input_ids=输入ID,
            attention_mask=注意力掩码
        )
        问题 = self.分词器.decode(
            输出[0],
            skip_special_tokens=True,
            clean_up_tokenization_spaces=True
        )
        return {'问题': 问题, '答案': 答案, '上下文': 上下文}

if __name__ == "__main__":
    上下文 = 'ZhangCheng在SQuAD数据集上对T5进行了微调以用于问题生成。'
    答案 = 'ZhangCheng'
    问题生成器实例 = 问题生成器()
    问答对 = 问题生成器实例.生成问题(答案, 上下文)
    print(问答对['问题'])
    # 输出: 
    # 谁在SQuAD数据集上对T5进行了微调以用于问题生成？