使用Hugging Face Transformers对T5模型进行微调以处理问题回答任务很简单：只需为模型提供问题和上下文，它就能学会生成正确的答案。

T5是一个功能强大的模型，旨在帮助计算机理解和生成人类语言。T5的全称是“文本到文本转换器”。它是一个可以完成许多语言任务的模型。T5将所有任务视为文本到文本问题。我们在本文中将学习如何优化T5以回答问题。

安装所需的库

首先，我们必须安装必要的库：

复制

pip install transformers datasets torch

• Transformer：提供T5模型及其他Transformer架构的Hugging Face库。
• 数据集：访问和处理数据集的库。
• Torch：帮助构建和训练神经网络的深度学习库。

加载数据集

为了对T5进行微调以回答问题，我们将使用BoolQ数据集，该数据集含有答案为二进制（是/否）的问题/答案对。你可以使用Hugging Face的数据集库来加载BoolQ数据集。

复制

from datasets import load_dataset

# Load the BoolQ dataset

dataset = load_dataset("boolq")

# Display the first few rows of the dataset

print(dataset['train'].to_pandas().head())

预处理数据

T5要求输入采用特定的格式。我们需要更改数据集，以便问题和答案都是文本格式。输入格式为问题:上下文:，输出将是答案。现在，我们需要加载T5模型及其分词器（Tokenizer）。分词器将把我们的文本输入转换成模型可以理解的词元ID（token ID）。接下来，我们需要对输入和输出数据进行分词。分词器将文本转换成输入ID和注意力掩码，这是训练模型所必需的。

复制

from transformers import T5Tokenizer, T5ForConditionalGeneration, Trainer, TrainingArguments

# Initialize the T5 tokenizer and model (T5-small in this case)

tokenizer = T5Tokenizer.from_pretrained("t5-small")

model = T5ForConditionalGeneration.from_pretrained("t5-small")

# Preprocessing the dataset: Prepare input-output pairs for T5

def preprocess_function(examples):

inputs = [f"Question: {question} Passage: {passage}" for question, passage in zip(examples['question'], examples['passage'])]

targets = ['true' if answer else 'false' for answer in examples['answer']]

# Tokenize inputs and outputs

model_inputs = tokenizer(inputs, max_length=512, truncation=True, padding='max_length')

labels = tokenizer(targets, max_length=10, truncation=True, padding='max_length')

model_inputs["labels"] = labels["input_ids"]

return model_inputs

# Preprocess the dataset

tokenized_dataset = dataset.map(preprocess_function, batched=True)

微调T5

现在数据已经准备好了，我们可以对T5模型进行微调了。Hugging的Trainer API通过处理训练循环、优化和评估简化了这个过程。

复制

from transformers import Trainer, TrainingArguments

training_args = TrainingArguments(

output_dir="./results",

evaluation_strategy="epoch",

learning_rate=2e-5,

per_device_train_batch_size=8,

per_device_eval_batch_size=8,

num_train_epochs=3,

weight_decay=0.01,

logging_dir="./logs",

logging_steps=10,

# Initialize the Trainer

trainer = Trainer(

model=model,

args=training_args,

train_dataset=tokenized_dataset["train"],

eval_dataset=tokenized_dataset["validation"],

# Fine-tune the model

trainer.train()

评估模型

在微调之后，重要的是在验证集上评估模型，看看它如何很好地回答问题。你可以使用Trainer的评估方法。

复制

# Evaluate the model on the validation dataset

eval_results = trainer.evaluate()

# Print the evaluation results

print(f"Evaluation results: {eval_results}")

Evaluation results: {‘eval_loss’: 0.03487783297896385, ‘eval_runtime’: 37.2638, ‘eval_samples_per_second’: 87.753, ‘eval_steps_per_second’: 10.976, ‘epoch’: 3.0}

进行预测

一旦T5模型经过微调和评估，我们就可以用它来预测新的问题回答任务。为此，我们可以准备一个新的输入（问题和上下文），对其进行分词，从模型生成输出（答案）。

复制

from transformers import T5Tokenizer, T5ForConditionalGeneration

# Load the fine-tuned model and tokenizer

model = T5ForConditionalGeneration.from_pretrained("./results")

tokenizer = T5Tokenizer.from_pretrained("t5-base")

# Prepare a new input

input_text = "question: Is the sky blue? context: The sky is blue on a clear day."

# Tokenize the input

input_ids = tokenizer(input_text, return_tensors="pt").input_ids

# Generate the answer using the model

output_ids = model.generate(input_ids)

# Decode the generated tokens to get the predicted answer

predicted_answer = tokenizer.decode(output_ids[0], skip_special_tokens=True)

# Print the predicted answer

print(f"Predicted answer: {predicted_answer}") # Predicted answer: yes

结论

总之，微调T5可以帮助它更好地回答问题。我们学习了如何准备数据和训练模型。使用Hugging库使这个过程更容易。训练后，T5可以听懂问题并给出正确的答案。这对聊天机器人或搜索引擎等许多应用大有帮助。